Aller au contenu
FR

Soutenances du 17-10-2024

1 soutenance à ED Mathématiques et Informatique - 1 soutenance à ED Sciences Chimiques - 1 soutenance à ED Sciences de la Vie et de la Santé

Université de Bordeaux

ED Mathématiques et Informatique

  • Analyse et développements de nouveaux optimiseurs en Machine Learning

    par Bilel BENSAID (IMB - Institut de Mathématiques de Bordeaux)

    Cette soutenance a lieu à 9h30 - Salle de Conférence Institut de Mathématiques de Bordeaux (A33) 351 Cours de la Libération 33405 Talence cedex

    devant le jury composé de

    • Julien SALOMON - Directeur de recherche - INRIA et Sorbonne Université - Examinateur
    • Pierre-Antoine ABSIL - Professeur des universités - Université Catholique de Louvain - Rapporteur
    • Aude RONDEPIERRE - Professeure des universités - INSA de Toulouse - Rapporteur
    • Nicolas BOUSQUET - Chargé de recherche - Sorbonne Université et EDF - Examinateur
    • Rodolphe LE RICHE - Chargé de recherche - CNRS - Examinateur
    • Raphael LOUBERE - Directeur de recherche - CNRS - Examinateur
    • Laurent SIMON - Professeur des universités - Université de Bordeaux, Bordeaux-INP - Examinateur

    Résumé

    Ces dernières années, l'intelligence artificielle (IA) est confrontée à deux défis majeurs (parmi d'autres), à savoir l'explicabilité et la frugalité, dans un contexte d'intégration de l'IA dans des systèmes critiques ou embarqués et de raréfaction des ressources. Le défi est d'autant plus conséquent que les modèles proposés apparaissent commes des boîtes noires étant donné le nombre faramineux d'hyperparamètres à régler (véritable savoir-faire) pour les faire fonctionner. Parmi ces paramètres, l'optimiseur ainsi que les réglages qui lui sont associés ont un rôle critique dans la bonne mise en oeuvre de ces outils. Dans cette thèse, nous nous focalisons sur l'analyse des algorithmes d'apprentissage/optimiseurs dans le contexte des réseaux de neurones, en identifiant des propriétés mathématiques faisant écho aux deux défis évoqués et nécessaires à la robustesse du processus d'apprentissage. Dans un premier temps, nous identifions des comportements indésirables lors du processus d'apprentissage qui vont à l'encontre d'une IA explicable et frugale. Ces comportements sont alors expliqués au travers de deux outils: la stabilité de Lyapunov et les intégrateurs géométriques. Empiriquement, la stabilisation du processus d'apprentissage améliore les performances, autorisant la construction de modèles plus économes. Théoriquement, le point de vue développé permet d'établir des garanties de convergence pour les optimiseurs classiquement utilisés dans l'entraînement des réseaux. La même démarche est suivie concernant l'optimisation mini-batch où les comportements indésirables sont légions: la notion de splitting équilibré est alors central afin d'expliquer et d'améliorer les performances. Cette étude ouvre la voie au développement de nouveaux optimiseurs adaptatifs, issus de la relation profonde entre optimisation robuste et schémas numériques préservant les invariants des systèmes dynamiques.

ED Sciences Chimiques

  • Stratégies pour l'élaboration de mousses polyuréthane auto-moussantes soutenables basées sur la décarboxylation de carbonates cycliques

    par Florent MONIE (Laboratoire de Chimie des Polymères Organiques)

    Cette soutenance a lieu à 9h30 - Amphi 1 CRPP, 115 Avenue du Dr Albert Schweitzer, 33600 Pessac

    devant le jury composé de

    • Henri CRAMAIL - Professeur - Université de Bordeaux - Directeur de these
    • Haritz SARDON - Professeur - POLYMAT, University of the Basque Country UPV/EHU - Rapporteur
    • Raquel VERDEJO - Research Scientist - Institute of Polymer Science and Technology (ICTP-CSIC) - Rapporteur
    • Christophe DETREMBLEUR - Directeur de recherche - Université de Liège - CoDirecteur de these
    • François TOURNILHAC - Directeur de recherche - Laboratoire Chimie Moléculaire, Macromoléculaire et Matériaux, Ecole Supérieure de Physique et Chimie Industrielles (ESPCI) - Examinateur
    • Karin ODELIUS - Professeur - KTH, Royal Institute of Technology, Department of Fiber and Polymer Technology - Examinateur

    Résumé

    Cette thèse traite du développement de formulations polyuréthane sans isocyanate auto-moussantes, en particulier de poly(hydroxyuréthane)-PHU, dans lesquelles l'agent moussant (CO2) est généré par la décarboxylation du précurseur carbonate cyclique à 5 pièces (5CC). D'abord, un système basé sur un précurseur thiol-latent (i.e. thiolactone) a été mis au point. La génération de thiol in-situ a permis l'expansion de la matrice PHU de façon contrôlée et sans odeur. Ensuite, divers biocharges ont été utilisées pour promouvoir le moussage grâce à l'eau qu'elle contiennent via l'hydrolyse des 5CC. Cela nous a mené à étudier l'impacte de l'eau sur la cinétique de réticulation d'une formulation thermodurcissable non-moussante. Enfin, les formulations de mousses développées ont subit une montée en échelle afin d'être caractérisées dans un contexte industriel. Ceci a permis d'apporter des informations sur les aptitudes d'isolation thermique et de résistance au feu de ces mousses PHU.

ED Sciences de la Vie et de la Santé

  • Contribution du cortex gustatif dans les actions guidées par stimulus chez le rat

    par Yacine TENSAOUTI (Institut de neurosciences cognitives et intégratives d'Aquitaine)

    Cette soutenance a lieu à 14h00 - Salle de conférence NEUROCENTRE MAGENDIE - U1215 146, rue Léo saignat 33077 Bordeaux cedex France

    devant le jury composé de

    • Shauna PARKES - Chargé de recherche - INCIA – UMR 5287 Université de Bordeaux / CNRS - Directeur de these
    • Claire RAMPON - Directeur de recherche - Université Toulouse III Paul Sabatier, CNRS - Examinateur
    • Fabien NANEIX - Maître de conférences - University of Aberdeen - Rapporteur
    • Sebastien CARNICELLA - Directeur de recherche - Université Grenobles Alpes, U1216 INSERM - Rapporteur

    Résumé

    Chaque jour, nous faisons face à des décisions qui façonnent notre comportement. Lors de choix entre plusieurs actions, nous et d'autres animaux choisissons celle ayant la plus grande valeur en termes de conséquences. Cependant, l'impact des stimuli environnementaux sur la prise de décision s'avère crucial, phénomène bien établi tant chez les animaux que chez les humains. Par exemple, les stimuli associés à la nourriture peuvent non seulement induire une prise alimentaire, mais aussi déclencher des envies même en l'absence de faim. En outre, ces stimuli peuvent contribuer à des comportements inadaptés, comme les stimuli liés aux substances d'abus, lesquels peuvent déclencher des envies, voire des rechutes chez les personnes qui luttent contre l'addiction, ou encore les stimuli qui donnent lieu à des expériences hallucinatoires chez les schizophrènes. Il est donc important de comprendre comment les motivations internes et les stimuli externes interagissent pour influencer le comportement. La contribution corticale aux actions guidées par la valeur a été largement étudiée, identifiant le cortex gustatif (CG) comme crucial pour récupérer la valeur de la récompense. Cependant, la contribution corticale aux actions guidées par les stimuli reste peu étudiée et le rôle du CG dans ce comportement n'a jamais été exploré. Pour découvrir ce rôle chez le rat, nous avons utilisé le paradigme du transfert Pavlovien à Instrumental (PIT), comprenant trois étapes : conditionnement pavlovien (association stimulus-conséquence), entraînement instrumental (association action-conséquence) et test de transfert (évaluation des effets des stimuli sur la sélection de l'action). Ce paradigme se présente sous deux formes : une forme générale dans laquelle les stimuli augmentent les actions visant à obtenir toute récompense alimentaire désirée (propriétés motivationnelles générales acquises par les stimuli) ; et une forme spécifique dans laquelle les stimuli orientent spécifiquement les actions vers l'obtention de la même récompense que celle prédite par le stimulus (propriétés sensorielles spécifiques des aliments). Nous avons démontré, via une approche chémogénétique, que l'inhibition du CG pendant le test de transfert général abolissait la capacité des stimuli à augmenter la réponse instrumentale. De façon similaire, nous avons évalué la contribution du CG pendant le test de transfert spécifique, et nous avons observé que les stimuli étaient incapables d'orienter spécifiquement la réponse instrumentale vers l'action partageant la même récompense que le stimulus présenté. Nos résultats montrent pour la première fois le rôle critique du CG dans le choix guidé par stimulus, englobant à la fois les propriétés motivationnelles générales et la capacité à orienter les actions vers des récompenses spécifiques. Nous avons également obtenu des données préliminaires indiquant que les terminaisons neuronales du CG dans le thalamus médiodorsal sont essentielles pour l'expression du PIT spécifique, mais pas pour le PIT général. Ainsi, les résultats démontrent que le CG est essentiel pour que les stimuli pavloviens prédictifs de récompense exercent des effets à la fois généraux et spécifiques sur la sélection des actions, ces derniers dépendant d'une voie cortico-thalamique intacte. Ce travail élargit notre compréhension du rôle du CG dans la prise de décision, en mettant en évidence son implication dans les actions guidées par le stimulus en plus des actions guidées par la valeur. Ces résultats s'alignent sur des études humaines d'IRMf montrant des changements morphologiques dans le cortex insulaire des personnes dépendantes de la nicotine et une activation insulaire en réponse à des stimulus liés au tabagisme lors de paradigmes de manque induits par des stimuli. L'ensemble de ces résultats suggère que le CG pourrait être une cible viable pour les interventions thérapeutiques chez les patients souffrant de dépendance ou d'autres troubles connexes.