Modélisation de la lecture grâce à un modèle connexionniste

Slides:



Advertisements
Présentations similaires
LA QUALITE LOGICIELLE Plan du cours La modélisation d’activité 1 h ½
Advertisements

Soutenance du stage de DEA.
Plan Les réseaux de neurones Le réseau RBF RBF et Mushroom Historique
De lHumain à lIA Stockage des données Transmission de données Variation du message Programme contre conscience.
« Extraction des connaissances
Reconnaissance des Mots
Introduction générale aux réseaux de neurones artificiels
REPRESENTATION VISUELLE DU MONDE
Réseaux de Neurones Artificiels
LES RESEAUX DE NEURONES
Reference Model of Open Distributed Processing
Module 10 : Gestion et analyse de l'accès réseau
Vue d'ensemble Présentation multimédia : Rôle du routage dans l'infrastructure réseau Activation et configuration du service Routage et accès distant Configuration.
l’évolution du langage chez l’enfant
Trouble persistant du langage écrit
Qu’est-ce qu’apprendre? Où en sommes-nous avec l’apprentissage?
LES RESEAUX DE NEURONES
Mirta B. Gordon Laboratoire Leibniz-IMAG Grenoble
Concepts avancés en mathématiques et informatique appliquées
Mirta B. Gordon Laboratoire Leibniz-IMAG Grenoble
De l’orthographe à la prononciation: Nature des processus de conversion graphème-phonème dans la reconnaissance des mots écrits Marielle Lange Merci Monsieur.
Analyses des situations didactiques
Applications du perceptron multicouche
Mais l’analyse visuelle des mots est fragile :
Méthode des k plus proches voisins
La chimie de la perception (I.O.)
Méthodes Connexionnistes Apprentissage Fusion d’informations
RECONNAISSANCE DE FORMES
Algorithmique et Programmation
Stanislas Dehaene Collège de France
APPROCHE SOCIALE ET COGNITIVE DE L'APPRENTISSAGE
Réseaux de neurones.
Conscience phonologique
Reconnaissance Vocale
Symbolisme vs Connexionnisme
Les réseaux de neurones
Mémoires associatives
Chapitre 7 Réseau ART.
Synthèse Applications des réseaux de neurones en reconnaissance de formes et en vision par ordinateur.
Production de la parole
Chapitre 6: la lecture experte
Chapitre 7: les modèles de la lecture experte
Perception visuelle et traitement sémantique
1 Workshop : modelling relationships between agriculture and environment - Brussels - 15/02/2001 Séminaire LISC Vendredi 29 Juin 2001 Transmission de linformation.
L ’apprentissage de l ’orthographe lexicale : approche cognitive
Numération cycle 3 : du nombre entier aux nombres décimaux
L’apport du Connexionnisme
Présentation visuelle
Frédéric Amblard*, Guillaume Deffuant**,
Les processus cognitifs en jeu dans l’acquisition de l’ORAL.
La facilitation / inhibition sociale
Christelle Scharff IFI 2004
Les réseaux de neurones à réservoir en traitement d’images
Institut de sciences et technologies Département d’informatique
Développement de la lecture chez les enfants trisomiques 21
Plasticité cérébrale.
Introduction et Généralités sur l’Algorithmique
Les réseaux de neurones à réservoir en traitement d’images
Difficultés d’apprentissage
GPA-779 Application des systèmes experts et des réseaux de neurones.
Auto-organisation des représentations lexicales au cours de l’apprentissage de la lecture approches comportementale, électrophysiologique et neuro-computationnelle.
Le traitement visuel des mots écrits
Le réseau de neurones artificiel
Plan Analyse de l’architecture: couche L3 et L4:
IFT 703 Informatique cognitive ACT-R Modèle symbolique et perceptuel
Les modèles de la reconnaissance des mots (L. Heurley / 2013)
Les modèles de la reconnaissance des mots
TECHNOLOGIE – Avril 2008 Projet de programme 4 e : Thème : Confort et domotique Equipement intérieur Equipement extérieur Electroménager Vidéo, photo Son.
PROFA. DRA. HELOISA ALBUQUERQUE COSTA AVRIL 2015 PROFA. DRA. HELOISA ALBUQUERQUE COSTA AVRIL 2015 Aquisição e Aprendizagem de Francês Língua Estrangeira.
Transcription de la présentation:

Modélisation de la lecture grâce à un modèle connexionniste

Le modèle connexionniste • Rejet de la notion de représentation • Opérations mentales vs calculs • Notion de traitement parallèle distribué (PDP = parallel distributed processing) • Idée de base: cerveau composé d’unités ou neurones connectées entre elles en un immense réseau • Chaque neurone effectue des opérations simples : – Réagir ou non à excitation, transmettre ou non à ses voisins… • Certaines connexions sont plus fréquemment sollicitées – Configurations stables, constellations • Quand les neurones d’une constellation sont excités, ils envoient des messages à leurs voisins et activent des configurations globales

Critiques du modèle computationniste : – On ne peut étudier la pensée sans tenir compte des contraintes liées à la structure du cerveau donc : partir des neurones et de leur enchevêtrement – Conception en série incompatible avec rapidité du traitement d’information : traitement parallèle pour expliquer la rapidité – Refus de la notion de modularité Modèle: la pensée résulte de l’activité d’un immense ensemble de neurones (millions de neurones, milliards de synapses)

Comparaison Biologique/naturel

Modèles connexionistes Réseau connexionniste = ensemble d’unités Unités ou neurones

Réseau multicouches Poids des connexions Neurone de sortie Couche Neurones d’entrée Neurone de sortie Couche cachée Poids des connexions La couche d’entrées corrspond aux entrées la sortie au resultat ex calcul de la valeur marchande d’une maison en fonction de taille nbre de pieces garage mitoyennete... Système non linéaire L’apprentissage va ajuster les poids des connexions mais l’architecture nombre de neurones dans la couche cachée est un choix arbitraire. On divise les données initiales en un ens d’apprentissage et un ens de test sur lequel on regarde la qualité d’ajustement du réseau.

Propriétés 1. Les connexions entre les unités permettent la transmission d’un niveau donné d’activation. Si le poids d’une connexion est négatif par exemple, l’unité en question transmettra une inhibition plutôt qu’une activation. Par conséquent, dans ces réseaux, on parle de transmission d’activation et non plus de transmission d’information symbolique comme c’était le cas pour les modèles de type cognitifs.   2. Les opérations réalisées par chaque unités sont de simples modifications arithmétiques opérées sur le signal d’entrée. On parle d’opérations locales. 3. Il n’y a pas de processeur central qui contrôle le fonctionnement du réseau. 4. Les réseaux connexionistes sont capables d’apprendre grâce à l’ajustement progressifs des poids des différentes connexions de chaque unités.

Les différents types de réseaux : 1- Les réseaux à connexions stables les poids sont fixes (McClelland & Rumelhart, 81) mot lettre Traits visuels

D w= e a e 2- Réseaux à algorithmes d’apprentissage  les poids sont appris par le réseau La règle Delta de rétro-propagation de l’erreur D w= e a e Coefficient d’apprentissage erreur poids

Conception « classique », computationiste : La reconnaissance visuelle des mots repose sur 2 processus différents : Une procédure visuelle « accès direct ».

La reconnaissance visuelle des mots repose sur 2 processus différents : Une procédure phonologique « accès indirect ». Une procédure visuelle « accès direct ». Modèle à double accès (Coltheart, 1978).

L’étape d’assemblage n’est pas instantanée.

Seidenberg & McClelland (1989) 400 unités 460 unités 200 unités 400 unités

Simulation Appentissage (3000 mots) 250 époques pour l’apprentissage (230 HF, 10 BF) Erreur d’activation : Aentrée-Asortie Résultats : Prononciation Fréquence, Régularité, voisinage mais difficultés avec pseudomots Développement apprentissage pathologies

Phase de test sur 3000 mots : 63 erreurs de prononciation Très proches des erreurs des dyslexiques

5 spécifiques 14 communes 10 spécifiques 8 communes