Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.

Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal

Ce travail aura pour but d’explorer l’interface sémantique-syntaxe des « constructions » avec les prédicats secondaires, résultatifs et dépictifs. Une attention particulière sera donnée au problème du choix des sujets (ou des hôtes) de prédication pour ces deux types de prédicats, ainsi qu’à la classe aspectuelle lexicale du verbe à la base de la construction.Dans la première partie, nous introduisons divers patterns de la construction résultative et expliquons le principe de base qui régit la syntaxe de ces constructions, à savoir la Restriction sur l’objet direct. D’abord nous réviserons la sémantique des adjectifs gradables, étant donné que les propriétés de l’échelle d’une propriété introduite par l’adjectif définissent la structure événemen-tielle/aspectuelle des constructions résultatives, notamment la distinction entre les constructions résultatives à contrôle et à marquage exceptionnel casuel. Après avoir écarté un nombre de prétendus contre-exemples à la Restriction DOR, nous réaffirmerons sa validité, notamment en tant que diagnostic de l’inaccusativité en anglais. Après avoir étudier le problème des objets non-sélectionnés, nous verrons pourquoi le russe n’a pas ce type de construction, et, conjointement, pourquoi il ne doit pas être classifié comme une langue satellite-framed, étant donné que le paramètre qui autorise les constructions résultatives dans une langue est également responsable pour la classification des langues en satellite-framed ou verb-framed.La deuxième partie sera consacré aux prédicats dépictifs, notamment aux contraintes qui pèsent sur le choix du contrôleur pour ce type de prédication secondaire, ainsi qu’aux propriétés des adjectifs dépictifs en comparaison avec d’autres types d’adjoints participant-oriented. Nous étudions la distribution des adjectifs formes longues et formes courtes en russe, conditionnée par les propriétés d’accord qui les distinguent et esquissons un processus historique à l’origine de leur distribution dans la langue d’aujourd’hui. / The aim of this dissertation is to explore the syntactic-semantic interface of ‘constructions’ which contain secondary predicates – either depictive or resultative. The main problems will be to deal (i) with the selection of the subjects (or hosts) of these types of predicates and (ii) with the aspectual class of the verbs used in these sentences.In the first part, the various patterns implied in resultative clauses will be examined, leading to the conclusion that the basic principle that governs the syntax of these clauses can be identified with the ‘Restriction on direct objects’ – or RDO. First, the semantics of gradable adjectives will be revisited, taking into account the scalarity properties these adjectives contain, which determine the eventive/ aspectual structures of resultative sentences and the distinction between Control structures and Exceptional Case Marking sentences. After invalidating many would-be counter-examples to the RDO, its validity will be reasserted, notably as a diagnostic of unaccusativity in English. Next, after analysing the problem of unselected object arguments, the reason will be shown why Russian does not possess this type of structure, and why it cannot be characterised as a ‘satellite-framed’ language either – given that the parameter which allows specific resultative structures in any language also determines its classification as satellite-framed or verb-framed.The second part of the dissertation is devoted to depictive predicates – in particular (i) to the constraints that determine the choice of the Controller in this type of secondary predication, and (ii) to the relevant properties of depictive adjectives in contra-distinction to other types of adjuncts, often identified as ‘participant-oriented’. Finally, the distribution of those Russian adjectives which possess long and short forms, which is conditioned by specific agreement or concord properties, is examined, leading to a tentative reconstruction of a diachronic process which has led to their distribution in today's Russian.

L'objet de la robotique autonome est d'éliminer l'intervention du concepteur humain dans le fonctionnement d'un robot en environnement "complexe". Or, la programmation traditionnelle d'un robot repose sur l'utilisation de modèles dont le domaine de validité est assez restreint. Quand on sort du domaine de validité, on tombe sur le problème de l'imprévu, objet de cette thèse. Nous affirmons d'abord que l'autonomie d'un robot ne peut être obtenue sans une gestion systématique de l'imprévu, et que les approches habituelles de la robotique (hiérarchiques, comportementales, adaptatives) ne sont pas adéquates pour aborder cette question dans des environnements naturels non précisement controlés. Nous proposons alors trois pistes pour contourner ces limites. Sur le plan théorique, nous défendons la nécessité d'une reconnaissance explicite par un robot de sa propre ignorance, et donc d'une gestion systématique de l'incertitude, et adoptons pour cela une théorie de la logique probabiliste (Jaynes 1995). Sur le plan méthodologique, nous complétons le tandem conception-adaptation par une démarche incrémentale, i.e. la systématisation d'une évolution structurelle en réponse à certains imprévus. Nous mettons ainsi l'accent sur l'origine et la génèse des représentations plus que sur leurs performances. Sur le plan conceptuel, enfin, nous proposons la notion de "représentation contingente", qui définit une représentation non par sa fonction mais par sa structure : la capacité de représentation est intrinsèque à cette structure, mais son interprétation effective est contingente au contexte. Les problèmes liés à la représentation classique avaient conduit certains auteurs à rejeter la notion même de représentation, et avec elle un guide de conception incontournable. La représentation contingente est une tentative permettant d'aborder le problème de la conception au sein d'approches non encore exploitées en IA, telles que la clotûre opérationnelle.

Cette thèse s’intéresse à la problématique de la classification dynamique en environnements stationnaires et non stationnaires, tolérante aux variations de quantités des données d’apprentissage et capable d’ajuster ses modèles selon la variabilité des données entrantes. Pour cela, nous proposons une solution faisant cohabiter des classificateurs one-class SVM indépendants ayant chacun leur propre procédure d’apprentissage incrémentale et par conséquent, ne subissant pas d’influences croisées pouvant émaner de la configuration des modèles des autres classificateurs. L’originalité de notre proposition repose sur l’exploitation des anciennes connaissances conservées dans les modèles de SVM (historique propre à chaque SVM représenté par l’ensemble des vecteurs supports trouvés) et leur combinaison avec les connaissances apportées par les nouvelles données au moment de leur arrivée. Le modèle de classification proposé (mOC-iSVM) sera exploité à travers trois variations exploitant chacune différemment l’historique des modèles. Notre contribution s’inscrit dans un état de l’art ne proposant pas à ce jour de solutions permettant de traiter à la fois la dérive de concepts, l’ajout ou la suppression de concepts, la fusion ou division de concepts, tout en offrant un cadre privilégié d’interactions avec l’utilisateur. Dans le cadre du projet ANR DIGIDOC, notre approche a été appliquée sur plusieurs scénarios de classification de flux d’images pouvant survenir dans des cas réels lors de campagnes de numérisation. Ces scénarios ont permis de valider une exploitation interactive de notre solution de classification incrémentale pour classifier des images arrivant en flux afin d’améliorer la qualité des images numérisées. / This research contributes to the field of dynamic learning and classification in case of stationary and non-stationary environments. The goal of this PhD is to define a new classification framework able to deal with very small learning dataset at the beginning of the process and with abilities to adjust itself according to the variability of the incoming data inside a stream. For that purpose, we propose a solution based on a combination of independent one-class SVM classifiers having each one their own incremental learning procedure. Consequently, each classifier is not sensitive to crossed influences which can emanate from the configuration of the models of the other classifiers. The originality of our proposal comes from the use of the former knowledge kept in the SVM models (represented by all the found support vectors) and its combination with the new data coming incrementally from the stream. The proposed classification model (mOC-iSVM) is exploited through three variations in the way of using the existing models at each step of time. Our contribution states in a state of the art where no solution is proposed today to handle at the same time, the concept drift, the addition or the deletion of concepts, the fusion or division of concepts while offering a privileged solution for interaction with the user. Inside the DIGIDOC project, our approach was applied to several scenarios of classification of images streams which can correspond to real cases in digitalization projects. These different scenarios allow validating an interactive exploitation of our solution of incremental classification to classify images coming in a stream in order to improve the quality of the digitized images.