La généralisation des acquis dans le domaine de l’agression sexuelle peut se subdiviser en deux volets, soit la généralisation qui se produit lors du traitement et celle suivant le retour dans la collectivité. Le modèle de traitement cognitivo-comportemental, basé sur les principes du risque, des besoins et de la réceptivité, permet une réduction significative des taux de récidive. Plus spécifiquement, les besoins criminogènes ciblés chez chacun des délinquants et le type de stratégies apprises en traitement peuvent influer sur le processus de généralisation des acquis. De la même façon, les caractéristiques propres à l’agresseur sexuel ont également un rôle à jouer. Lors de la libération, la considération et la mise en place de certaines mesures, telles que le plan de réinsertion sociale, les besoins sociaux et individuels, l’employabilité, le logement et la continuité thérapeutique importent afin de faciliter le maintien des acquis. Ainsi, le présent projet de maîtrise vise à mettre de l’avant une meilleure compréhension du phénomène de la généralisation des acquis chez quatre délinquants sexuels suivis dans la collectivité (Centre de psychiatrie légale de Montréal), à la suite d’un traitement d’un an complété à l’Institut Philippe-Pinel de Montréal. Dans le but de comprendre les facteurs pouvant favoriser ce processus, nous avons étudié la manière dont ces différents facteurs se sont présentés chez les délinquants sexuels à l’étude et l’impact lié à la présence ou à l’absence de ces variables. L’analyse clinique du matériel obtenu a démontré, d’une part, que la généralisation des acquis est facilitée lorsque l’ensemble des besoins criminogènes sont des cibles de traitement et que, d’autre part, le délinquant est en mesure d’appliquer des stratégies cognitivo-comportementales plutôt que des techniques purement cognitives. Par ailleurs, la présence d’impulsivité et de problèmes individuels non stabilisés peut nuire au processus. Finalement, il est ressorti que la généralisation des acquis est plus facilement atteignable lorsque les variables identifiées comme étant propices à une réinsertion sociale réussie sont présentes dans le quotidien des délinquants. / In the field of sexual aggression, the generalization of therapeutic gains can be divided in two sections: the generalization that occurs in the course of the treatment and the generalization that is made after the return in the community. It has been demonstrated that the Cognitive-Behavioral Treatment Model, based on the principles of the Risk-Needs-Reponsivity Model, has the greatest impact on recidivism level. To be more specific, target criminogenic needs specifics to the offender and the type of strategies learned in treatment can influence the process of generalization of therapeutic gains. In the same way, the characteristics of the sexual aggressor also have a role to play. When considering the release period, taking into account and implementing some measures, such as the plan of social reintegration, social and individual needs, employability, accommodation and continuity of treatment help to maintain therapeutic gains. Consequently, this project aims to contribute to a better understanding of the phenomenon of the generalization of therapeutic gains by styding four sexual offenders during a follow-up in the community (Centre de psychiatrie légale de Montréal), after they received a one-year treatment at the Institut Philippe-Pinel de Montréal. With the aim of understanding factors that can facilitate this process, we studied how these factors were expressed by the sex offenders and the difference the presence or the absence of these variables. The clinical analysis of the results suggest on one hand that the generalization of therapeutic gains is facilitated when all criminogenic needs are addressed during treatment, and on the other hand when the sex offender has the capacity to apply cognitive-behavioral strategies instead of purely cognitive techniques. Besides, the presence of impulsiveness and non-stabilized individual problems can spoil the process. Finally, it came out that the generalization of therapeutic gains is easier when variables identified as being favourable to a successful social reintegration are part of the everyday life of the offenders.

Cette thèse porte sur la généralisation de la méthode NXFEM proposée par A. et P. Hansbo pour le problème d'interface elliptique. La modélisation et simulation numérique d'écoulements dans des domaines fracturés sont au coeur de nombreuses applications, telles que le milieu pétrolier (modélisation de réservoirs, présence de failles, propagation d'un signal, repérage de couches), l'aérospatiale (problème de chocs, de rupture), en génie civil (fissuration du béton), mais également dans la biologie cellulaire (déformation des globules rouges). En outre, de nombreux projets de recherche nécessitent le développement des méthodes robustes pour la prise en compte de singularités, ce qui fait partie des motivations et des objectifs de l'équipe Concha, ainsi que de cette thèse. Une modification de cette méthode a tout d'abord été proposée afin d'obtenir la robustesse à la fois par rapport à la géométrie du maillage coupé par l'interface et par rapport aux paramètres de diffusion. Nous nous sommes ensuite intéressés à sa généralisation à tout type de maillages 2D-3D (triangles, quadrilatères, tétraèdres, hexaèdres), et pour tout type d'éléments finis (conformes, non conformes, Galerkin discontinus) pour des interfaces planes et courbes. Les applications ont été orientées vers des problèmes d'écoulements en milieux poreux fracturés : adaptation de la méthode NXFEM à la résolution d'un modèle asymptotique de failles, à des problèmes instationnaires, de transports, ou encore à des domaines multi-fracturés.

No description available.

La gestion énergétique (EMS) pour véhicules hybrides a pour objectif de déterminer la répartition de puissance entre les différentes sources d'énergie de manière à minimiser la consommation de carburant et/ou les émissions polluantes. L'objectif de cette thèse est de développer un EMS en prenant en compte des températures internes (la température du moteur et/ou la température du système de post-traitement). Dans une première partie et en utilisant une connaissance préalable du cycle de conduite, le calcul d'un EMS est formulé comme un problème de commande optimale. Ensuite, le principe du minimum de Pontryagin (PMP) est utilisé pour résoudre ce problème d'optimisation.~En se basant sur les résultats numériques obtenus, un compromis entre les performances de la stratégie de commande et de la complexité du modèle utilisé pour la calculer est établi. Les différents problèmes étudiés dans cette thèse sont des exemples des simplifications successives de modèle qui peuvent être regroupées dans le concept des perturbations régulières en contrôle optimal sous contrainte de commande discuté ici. Dans une deuxième partie, la formulation de l'ECMS a été généralisée pour inclure les dynamiques thermiques. Ces extensions définissent des stratégies sous-optimales que nous avons testées numériquement et expérimentalement. / Energy management system (EMS) for hybrid vehicles consists on determining the power split between the different energy sources in order to minimize the overall fuel consumption and/or pollutant emissions of the vehicle. The objective of this thesis is to develop an EMS taking into account the internal temperatures (engine temperature and/or catalyst temperature). In a first part and using a prior knowledge of vehicle driving cycle, the EMS design is formulated as an optimal control problem. Then, the PMP is used to solve this optimization problem. Based on the obtained numerical results, some trade-off between performance of the control strategy and complexity of the model used to calculate this strategy is established. The various problems studied in this thesis are examples of successive model simplifications which can be recast in the concept of regular perturbations in optimal control under input constraints discussed here. In a second part, the feedback law of ECMS is generalized to include thermal dynamics. This defines sub-optimal feedback strategies which we have tested numerically and experimentally.

La première partie de cette thèse introduit de nouveaux algorithmes de décomposition parcimonieuse de signaux. Basés sur Matching Pursuit (MP) ils répondent au problème suivant : comment réduire le temps de calcul de l'étape de sélection de MP, souvent très coûteuse. En réponse, nous sous-échantillonnons le dictionnaire à chaque itération, en lignes et en colonnes. Nous montrons que cette approche fondée théoriquement affiche de bons résultats en pratique. Nous proposons ensuite un algorithme itératif de descente de gradient par blocs de coordonnées pour sélectionner des caractéristiques en classification multi-classes. Celui-ci s'appuie sur l'utilisation de codes correcteurs d'erreurs transformant le problème en un problème de représentation parcimonieuse simultanée de signaux. La deuxième partie expose de nouvelles inégalités de concentration empiriques de type Bernstein. En premier, elles concernent la théorie des U-statistiques et sont utilisées pour élaborer des bornes en généralisation dans le cadre d'algorithmes de ranking. Ces bornes tirent parti d'un estimateur de variance pour lequel nous proposons un algorithme de calcul efficace. Ensuite, nous présentons une version empirique de l'inégalité de type Bernstein proposée par Freedman [1975] pour les martingales. Ici encore, la force de notre borne réside dans l'introduction d'un estimateur de variance calculable à partir des données. Cela nous permet de proposer des bornes en généralisation pour l'ensemble des algorithmes d'apprentissage en ligne améliorant l'état de l'art et ouvrant la porte à une nouvelle famille d'algorithmes d'apprentissage tirant parti de cette information empirique. / The first part of this thesis introduces new algorithms for the sparse encoding of signals. Based on Matching Pursuit (MP) they focus on the following problem : how to reduce the computation time of the selection step of MP. As an answer, we sub-sample the dictionary in line and column at each iteration. We show that this theoretically grounded approach has good empirical performances. We then propose a bloc coordinate gradient descent algorithm for feature selection problems in the multiclass classification setting. Thanks to the use of error-correcting output codes, this task can be seen as a simultaneous sparse encoding of signals problem. The second part exposes new empirical Bernstein inequalities. Firstly, they concern the theory of the U-Statistics and are applied in order to design generalization bounds for ranking algorithms. These bounds take advantage of a variance estimator and we propose an efficient algorithm to compute it. Then, we present an empirical version of the Bernstein type inequality for martingales by Freedman [1975]. Again, the strength of our result lies in the variance estimator computable from the data. This allows us to propose generalization bounds for online learning algorithms which improve the state of the art and pave the way to a new family of learning algorithms taking advantage of this empirical information.

L’omniprésente utilisation des plongements de mot dans le traitement des langues naturellesest la preuve de leur utilité et de leur capacité d’adaptation a une multitude de tâches. Ce-pendant, leur nature continue est une importante limite en terme de calculs, de stockage enmémoire et d’interprétation. Dans ce travail de recherche, nous proposons une méthode pourapprendre directement des plongements de mot discrets. Notre modèle est une adaptationd’une nouvelle méthode de recherche pour base de données avec des techniques dernier crien traitement des langues naturelles comme les Transformers et les LSTM. En plus d’obtenirdes plongements nécessitant une fraction des ressources informatiques nécéssaire à leur sto-ckage et leur traitement, nos expérimentations suggèrent fortement que nos représentationsapprennent des unités de bases pour le sens dans l’espace latent qui sont analogues à desmorphèmes. Nous appelons ces unités dessememes, qui, de l’anglaissemantic morphemes,veut dire morphèmes sémantiques. Nous montrons que notre modèle a un grand potentielde généralisation et qu’il produit des représentations latentes montrant de fortes relationssémantiques et conceptuelles entre les mots apparentés. / The ubiquitous use of word embeddings in Natural Language Processing is proof of theirusefulness and adaptivity to a multitude of tasks. However, their continuous nature is pro-hibitive in terms of computation, storage and interpretation. In this work, we propose amethod of learning discrete word embeddings directly. The model is an adaptation of anovel database searching method using state of the art natural language processing tech-niques like Transformers and LSTM. On top of obtaining embeddings requiring a fractionof the resources to store and process, our experiments strongly suggest that our representa-tions learn basic units of meaning in latent space akin to lexical morphemes. We call theseunitssememes, i.e., semantic morphemes. We demonstrate that our model has a greatgeneralization potential and outputs representation showing strong semantic and conceptualrelations between related words.

Cette thèse s’intéresse, en France, à la place de l’assurance maladie privée (ou complémentaire) dans l’organisation globale du système d’assurance, sous l’angle des inégalités sociales et de la solidarité entre les individus bien-portants et les malades. Elle étudie en particulier le rôle joué par l’assurance complémentaire sur l’accès aux soins, la mutualisation des dépenses de santé et le bien-être de la population. Les travaux menés dans cette thèse révèlent l’importance de l’assurance complémentaire pour accéder à des soins reportés dans le temps pour raisons financières. Ils montrent en revanche que, généraliser l’assurance complémentaire, dans le modèle actuel de co-financement des soins, ne permet ni de répondre à des objectifs d’équité ni-même d’améliorer le bien-être de la population. Ils révèlent en sus que l’assurance complémentaire induit une moindre mutualisation des dépenses de santé pour les plus malades et invitent à repenser son rôle dans le financement des soins. / This thesis deals with the place of private health insurance in the overall health insurance scheme in France, focusing on social inequalities and on solidarity between healthy individuals and sick patients. It particular, it addresses the role of private health insurance on access to health care, mutualization of health expenditure, and welfare. The results of this thesis reveal the key role of private health insurance to access to care postponed over time for financial reasons. However, our results also show that generalizing complementary health insurance in the current health insurance scheme does not allow pursuing equity goals nor increasing welfare. They finally reveal that the mutualization induced by private health insurance appears relatively weak, compared to the one induced by public health insurance. They therefore encourage a change in the role of private health insurance in funding medical care.

Dans ce mémoire, nous étudions la généralisation des réseaux de neurones dans le contexte du méta-apprentissage, en analysant divers propriétés des surface leurs fonctions objectifs. La recherche en apprentissage automatique portant sur les surfaces de fonctions objectifs des réseaux de neurones ayant aidé à comprendre leur généralisation en apprentissage supervisé standard, nous proposons l'étude de telles surfaces dans le but d'approfondir nos connaissances sur la généralisation en méta-apprentissage. Nous introduisons d'abord la littérature sur les fonctions objectifs des réseaux de neurones à la Section \ref{sec:intro:objective_landscapes}, puis celle portant sur le méta-apprentissage à la Section \ref{sec:intro:meta-learning}, pour enfin terminer notre introduction avec le méta-apprentissage par descente de gradient, très similaire à l'entraînement des réseaux de neurones par descente de gradient stochastique et pour une tâche unique. Nous présentons par la suite notre travail sur les fonctions objectifs en méta-apprentissage au Chapitre \ref{chap:prof_forcing}, lequel nous avons soumis à la conférence NeurIPS 2019 en tant qu'article scientifique. Au moment d'écrire ce mémoire, et au meilleur de notre connaissance, ce travail est le premier à étudier empiriquement les surfaces des fonctions objectifs en méta-apprentissage, particulièrement dans le contexte de l'apprentissage profond, et nous mettons notamment en lumière certaines propriétés de ces surfaces qui apparaissent liées à la généralisation des réseaux de neurones à de nouvelles tâches. Nous démontrons empiriquement qu'alors que progresse la phase de méta-entraînement, pour les solutions aux nouvelles tâches obtenues via quelques itérations de descente de gradient, la courbure de la fonction objective décroit monotoniquement, la valeur de la fonction objective diminue, tandis que la distance euclidienne avec la solution ``méta-entraînement" augmente. Cependant, nous observons que la courbure des minima continue de décroître même lorsque le sur-apprentissage devient apparent et que la généralisation commence à se dégrader, indiquant que la courbure des minima semble peu corrélée à la généralisation en méta-apprentissage par descente de gradient. De plus, nous montrons empiriquement que la généralisation aux nouvelles tâches semble plutôt liée à la cohérence de leurs trajectoires d'adaptation dans l'espace des paramètres, mesurée par la similarité cosinus moyenne entre les trajectoires. Nous montrons également que la cohérence des gradients ''meta-test", mesurée par le produit scalaire moyen entre les vecteurs de gradients spécifiques aux nouvelles tâches, évalué à solution meta-entraînement, est également corrélée à la généralisation. Nous basant sur ces observations, nous proposons un nouveau terme de régularisation pour l'algorithme de méta-apprentissage Model Agnostic Meta-Learning (MAML). / In this master's thesis, we study the generalization of neural networks in gradient-based meta-learning by analyzing various properties of the objective landscapes. Meta-learning, a challenging paradigm where models not only have to learn a task but beyond that, are trained for ``learning to learn" as they must adapt to new tasks and environments with very limited data about them. With research on the objective landscapes of neural networks in classical supervised having provided some answers regarding their ability to generalize for new data points, we propose similar analyses aimed at understanding generalization in meta-learning. We first introduce the literature on objective landscapes of neural networks in Section \ref{sec:intro:objective_landscapes}. We then introduce the literature of meta-learning in Section \ref{chap:prof_forcing}, concluding our introduction with the approach of gradient-based meta-learning, a meta-learning setup that bears strong similarities to the traditional supervised learning setup through stochastic gradient-based optimization. At the time of writing of this thesis, and to the best of our knowledge, this is the first work to empirically study the objective landscapes in gradient-based meta-learning, especially in the context of deep learning. We notably provide some insights on some properties of those landscapes that appear correlated to the generalization to new tasks. We experimentally demonstrate that as meta-training progresses, the meta-test solutions, obtained after adapting the meta-train solution of the model, to new tasks via few steps of gradient-based fine-tuning, become flatter, lower in loss, and further away from the meta-train solution. We also show that those meta-test solutions become flatter even as generalization starts to degrade, thus providing experimental evidence against the correlation between generalization and flat minima in the paradigm of gradient-based meta-leaning. Furthermore, we provide empirical evidence that generalization to new tasks is correlated with the coherence between their adaptation trajectories in parameter space, measured by the average cosine similarity between task-specific trajectory directions, starting from a same meta-train solution. We also show that coherence of meta-test gradients, measured by the average inner product between the task-specific gradient vectors evaluated at meta-train solution, is also correlated with generalization. Based on these observations, we propose a novel regularizer for the Model Agnostic Meta-Learning (MAML) algorithm and provide experimental evidence for its effectiveness.

L'apprentissage auto-surveillé (AAS), c'est-à-dire l'apprentissage de connaissances en exploitant la structure intrinsèque présente dans un ensemble de données non étiquettées, a beaucoup fait progresser l'apprentissage automatique dans la dernière décennie, et plus particulièrement dans les dernières deux années en vision informatique. Dans cet ouvrage, nous nous servons de l'AAS comme outil dans deux champs applicatifs: Pour interpréter efficacement les ensembles de données et les décisions prises par des modèles statistiques, et pour pré-entrainer un modèle d'apprentissage par renforcement pour grandement augmenter l'efficacité de son échantillonnage dans son contexte d'entraînement. Le Chapitre 1 présente les connaissances de fond nécessaires à la compréhension du reste du mémoire. Il offre un aperçu de l'apprentissage automatique, de l'apprentissage profond, de l'apprentissage auto-surveillé et de l'apprentissage par renforcement (profond). Le Chapitre 2 se détourne brièvement du sujet de l'auto-surveillance pour étudier comment le phénomène de la mémorisation se manifeste dans les réseaux de neurones profonds. Les observations que nous ferons seront alors utilisées comme pièces justificatives pour les travaux présentés dans le Chapitre 3. Ce chapitre aborde la manière dont l'auto-surveillance peut être utilisée pour découvrir efficacement les régularités structurelles présentes dans un ensemble de données d'entraînement, estimer le degré de mémorisation de celui-ci par le modèle, et l'influence d'un échantillon d'entraînement sur les résultats pour un échantillon-test. Nous passons aussi en revue de récents travaux touchant à l'importance de mémoriser la ``longue traîne'' d'un jeu de données. Le Chapitre 4 fait la démonstration d'une combinaison d'objectifs de pré-entraînement AAS axés sur les caractéristiques des données en apprentissage par renforcement, de ce fait élevant l'efficacité d'échantillonnage à un niveau comparable à celui d'un humain. De plus, nous montrons que l'AAS ouvre la porte à de plus grands modèles, ce qui a été par le passé un défi à surmonter en apprentissage par renforcement profond. Finalement, le Chapitre 5 conclut l'ouvrage avec un bref survol des contributions scientifiques et propose quelque avenues pour des recherches poussées dans le futur. / Self-Supervised Learning (SSL), or learning representations of data by exploiting inherent structure present in it without labels, has driven significant progress in machine learning over the past decade, and in computer vision in particular over the past two years. In this work, we explore applications of SSL towards two separate goals - first, as a tool for efficiently interpreting datasets and model decisions, and second, as a tool for pretraining in reinforcement learning (RL) to greatly advance sample efficiency in that setting. Chapter 1 introduces background material necessary to understand the remainder of this thesis. In particular, it provides an overview of Machine Learning, Deep Learning, Self-Supervised Representation Learning, and (Deep) Reinforcement Learning. Chapter 2 briefly detours away from this thesis' focus on self-supervision, to examine how the phenomena of memorization manifests in deep neural networks. These results are then used to partially justify work presented in Chapter 3, which examines how self-supervision can be used to efficiently uncover structural regularity in training datasets, and to estimate training memorization and the influence of training samples on test samples. Recent experimental work on understanding the importance of memorizing the long-tail of data is also revisited. Chapter 4 demonstrates how a combination of SSL pretraining objectives designed for the structure of data in RL can greatly improve sample efficiency to nearly human-level performance. Furthermore, it is shown that SSL enables the use of larger models, which has historically been a challenge in deep RL. Chapter 5 concludes by reviewing the contributions of this work, and discusses future directions.

Contrairement aux parents de la population générale, ceux présentant une déficience intellectuelle (DI) sont plus à risque d’être référés à la protection de la jeunesse, ainsi que de perdre la garde de leur enfant. Malgré que plusieurs programmes d’intervention parentale soient disponibles pour soutenir les parents, la plupart ne sont pas adaptés au fonctionnement d’apprentissage des personnes présentant une DI. Le programme The Family Game est un outil conçu spécifiquement pour les parents présentant une DI dans le but d’enseigner des stratégies parentales positives et d’augmenter la coopération de l’enfant. Sous forme de jeu, le programme enseigne trois stratégies parentales : a) donner des consignes claires, b) renforcer les comportements coopératifs et c) corriger les comportements inappropriés de l’enfant. Une première étude expérimentale a évalué le programme The Family Game auprès de deux mères présentant une DI et ayant un enfant âgé de 10 et 14 ans (Tahir et al., 2015). Les résultats suggèrent une amélioration des stratégies parentales enseignées chez les mères et des résultats variables quant à la généralisation des apprentissages. Dans cette perspective, d’autres études expérimentales sont nécessaires afin de mesurer les effets de ce programme. Ce projet de mémoire visait à évaluer l’efficacité du programme The Family Game sur les stratégies parentales positives auprès de parents présentant une DI. Un couple de parents présentant une DI légère et une DI moyenne et ayant un enfant âgé de 3 ans ont complété l’étude. Un protocole à niveaux de base multiples en fonction des stratégies parentales à enseigner a été utilisé pour évaluer les effets du programme. Les résultats de cette étude sont similaires aux résultats de la recherche menée par Tahir et al. (2015). Ils indiquent une amélioration de l’utilisation des trois stratégies parentales chez le couple et un maintien des apprentissages un mois après le programme. La généralisation des apprentissages était toutefois variable chez les deux parents. En somme, le programme The Family Game montre des résultats encourageants auprès des parents présentant une DI. Cependant, des stratégies supplémentaires, comme la rétroaction par vidéo, devraient être intégrées au programme afin de favoriser la généralisation des apprentissages. / Unlike parents in the general population, parents with an intellectual disability (ID) are more at risk of being referred to youth protection as well as losing custody of their child. Although several parental intervention programs are available to support parents, most are not adapted to the learning functioning of individuals with ID. The Family Game is a training program designed specifically for parents with ID for improving the cooperation of the child by teaching positive behavior management strategies. The program uses a board game format to teach three parenting strategies: a) providing clear instructions, b) reinforcing cooperative behaviors, and c) correcting inappropriate behaviors. A first experimental study evaluated The Family Game program with two mothers with ID and children aged 10 and 14 (Tahir et al., 2015). The results suggest an improvement in the parenting strategies taught and variable results regarding the generalization of learning. Thus, further experimental studies are needed to measure the effects of this program. The purpose of this study was to evaluate the effectiveness of The Family Game program on positive parenting strategies of parents with an ID. A couple of parents with mild and moderate ID with a 3-year-old child participated in the study. A multiple baseline design across skills was used to assess program effects. The results of the study are similar to those reported by Tahir et al. (2015). We observed improvements in the use of the three parenting strategies by the father and the mother as well as maintenance of learning one month after the program. However, the generalization of learning remained variable for both parents. In sum, The Family Game program shows promising results with parents with ID. However, additional strategies, such as video feedback, should be integrated into the program to support generalization.