Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2015-11-27T07:38:46Z No. of bitstreams: 2 Dissertação - Onilton Cezar Pina - 2014.pdf: 1760402 bytes, checksum: 85fe330161d8d54c7318afe2db13826c (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2015-11-27T11:45:07Z (GMT) No. of bitstreams: 2 Dissertação - Onilton Cezar Pina - 2014.pdf: 1760402 bytes, checksum: 85fe330161d8d54c7318afe2db13826c (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-11-27T11:45:07Z (GMT). No. of bitstreams: 2 Dissertação - Onilton Cezar Pina - 2014.pdf: 1760402 bytes, checksum: 85fe330161d8d54c7318afe2db13826c (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-04-01 / This work aims to analyze the possible contribution of non-formal spaces for the learning of science by children with Down Syndrome (DS). In the first part, we try to understand what this syndrome is and how the cognitive development and learning of people with Down happens. You can notice that this subject experiences the same stages of cognitive development that other individuals who do not have the syndrome do, such as: sensorimotor, concrete operations and formal operations. In the second part, we analyze the non-formal spaces and science teaching and learning by children with Down. It was found that these spaces are an important resource for the development of educational activities and are exploited, increasingly, seeking to break the limits of school space, in search of more meaningful knowledge. For this reason, we present some non-formal spaces of the city of Goiania. Among them, we have evaluated the potential of the Museu de História Natural in Memorial do Cerrado, from the speech of an educational agent / mediator / monitor of this museum space and some teachers who visit this place with children, some with DS. After the research, we can ensure that the use of non-formal spaces for teaching children with Down Sciences, when well directed and harnessed as expected by the designers, serves very well to the teacher's expectations and thus facilitates learning. / Este trabalho tem como objetivo analisar as possíveis contribuições dos espaços não formais, para o aprendizado das ciências, de crianças com Síndrome de Down (SD). Na primeira parte, procuramos entender o que é a síndrome e como se dá o desenvolvimento cognitivo e a aprendizagem das pessoas com Down. Pode-se identificar que este indivíduo passa pelas mesmas etapas de desenvolvimento cognitivo pelas quais passam os outros indivíduos que não possuem a síndrome, quais sejam: sensório-motor, operações concretas e operações formais. Na segunda parte, analisamos os espaços não formais e o ensino de Ciências e a aprendizagem de crianças com Down. Verificou-se que tais espaços representam um importante recurso para o desenvolvimento das atividades de cunho educacional e que são explorados, cada vez mais, buscando romper com os limites do espaço escolar, em busca de conhecimento mais significativo. Por esse motivo, apresentamos alguns espaços não formais do município de Goiânia. Dentre estes, avaliamos o potencial do Museu de História Natural do Memorial do Cerrado, a partir da fala de um agente educativo/mediador/monitor deste espaço museológico e de alguns professores que visitam este lugar com crianças, algumas com SD. Após a realização da pesquisa, podemos assegurar que o uso de espaços não formais para o ensino de Ciências de crianças com Down, quando bem direcionados e aproveitados da forma esperada pelos idealizadores, atende muito bem às expectativas do professor e, consequentemente, facilita a aprendizagem.

A Markov chain is introduced to the major steps of the process of learning a subject matter by a group of students in the classroom, in order to obtain a mathematical representation of the above process. A classroom experiment for learning mathematics is also presented illustrating the applicability of our results in practice.

本研究應用系統思考為基礎所發展出來的系統結構圖方法，結合電腦模擬活動，引導學生感知系統動態性及複雜性，設計自然科學教學方案進行教學；同時比較融入概念階層聯結為基礎的概念構圖方法教學、及一般教學的學生認知表現。具體而言，本研究目的為：在自然科學學習歷程中，結合環狀關聯的系統結構圖，及階層關聯的概念構圖方法，比較二圖形學習策略對學生成就測驗及知識結構的表現差異。 研究採多基線實驗研究法，以國小五年級學生樣本，共三個班級，100人，分列為對照組、系統結構圖策略組、及概念構圖策略組。以自編的複本測驗、實作評量檢核表，及應用路徑探測法(Pathfinder)，評估學生認知表現與知識結構。 結果發現，採用系統結構圖策略或概念構圖策略，均能增進學生認知表現，且記憶保留效果會優於不特別採用策略者，其知識結構的表現亦存在差異；而二種圖形式學習策略的各項認知表現之間，不存在任何差異；不同能力組別與不同學習策略間，具交互作用存在。 本研究證實，在學習歷程中，採用概念構圖策略或系統結構圖策略，將比採用一般教學方法，較能有效增進學生的學習表現及保留效果，其知識結構也會較接近專家表現。因此在教學歷程中，結合策略進行教學有其必要性。圖像式的思考及學習方法能有效協助學生學習。然而研究所取用的二種圖形策略的思考本質是不同的，一重視靜態架構、一重視動態因果變化，未來研究者可進一步探究造成改變的內在機制，及是否能真正轉化為習用的思考型態。 / The world of system and system thinking marks a shift from the more linear, analytic way of thinking that most people are used to. A system is a group of interacting, interrelated, or interdependent components that form a complex and unified whole. Systematic structure diagram is a useful tool to offer a glimpse into the complex systems behavior. Concept mapping, known as cognitive maps or organizers, semantic networks, or visual/graphic organizers, make use of figures, lines, arrows, and spatial configurations to show how content ideas and concepts are related. Concept mapping is described repeatedly in the literature as a tool that can support and enhance students’ learning in science classrooms. It is an important meta-cognitive tool in science education today. The research uses the experiment methodology of multiple baselines designs. In the study 100 students in 3 classes at grad 5 were studied to see the implications of the learning results. Assign the subjects to three groups, control group (n=34), Systematic structure diagramming group (n=33), and concept mapping group (n=33). The graphics oriented strategies, Systematic structure diagramming /concept mapping, were used in the teaching processes of the systematic structure diagramming group /concept mapping group. The researcher evaluated the performance of the subjects with duplicated-tests, checklists, and Pathfinder. The testing of the students was done in a pretest-posttests design using written tests. Data were analyzed in the use of three-factor repeated measures. The analysis of repeated measures showed a statistically significant difference in duplicated-tests and knowledge structures between control group and two experimental groups. There also exists an interaction between group and strategy. The result revealed that concept mapping may improve test scores of low-achieving students. This research verified that the learning performances, knowledge structures, organizations, and delayed memories of the subjects who belong to concept mapping strategy group and systematic structure diagramming strategy group were better than control group. The results indicated that, for improving students’ learning performances and retention effects, adapting concept mapping strategy and systematic structure diagramming strategy in the teaching processes may help students form a cognitive schema to assimilate and relate the information. Base on the results from this study, some recommendations educators were suggested.

La biométrie du visage a suscité, ces derniers temps, l'intérêt grandissant de la communauté scientifique et des industriels de la biométrie vue son caractère naturel, sans contact et non-intrusif. Néanmoins, les performances des systèmes basés sur les images 2D sont affectées par différents types de variabilités comme la pose, les conditions d'éclairage, les occultations et les expressions faciales. Avec la disponibilité de caméras 3D capables d'acquérir la forme tridimensionnelle, moins sensibles aux changements d'illumination et de pose, plusieurs travaux de recherche se sont tournés vers l'étude de cette nouvelle modalité. En revanche, d'autres défis apparaissent comme les déformations de la forme faciales causées par les expressions et le temps de calcul que requièrent les approches développées. Cette thèse s'inscrit dans ce paradigme en proposant de coupler la géométrie Riemannienne avec les techniques d'apprentissage pour une biométrie faciale 3D efficace et robuste aux changements d'expressions. Après une étape de pré-traitement, nous proposons de représenter les surfaces faciales par des collections de courbes 3D qui captent localement leurs formes. Nous utilisons un cadre géométrique existant pour obtenir les déformations " optimales " entre les courbes ainsi que les distances les séparant sur une variété Riemannienne (espace des formes des courbes). Nous appliquons, par la suite, des techniques d'apprentissage afin de déterminer les courbes les plus pertinentes pour deux applications de la biométrie du visage : la reconnaissance d'identité et la classification du genre. Les résultats obtenus sur le benchmark de référence FRGC v2 et leurs comparaison avec les travaux de l'état de l'art confirment tout l'intérêt de coupler l'analyse locale de la forme par une approche géométrique (possibilité de calculer des moyennes, etc.) avec des techniques d'apprentissage (Basting, etc.) pour gagner en temps de calcul et en performances.

本研究主要目的在探討不同年齡幼兒解決需同時考量兩個因素的科學問題及遷移的表現，並探討不同教學介入對幼兒解決科學問題表現及遷移表現的影響。本研究共分二個研究，使用「幼兒認知作業」，分別在研究一探討128位，研究二探討286位3至6歲幼兒的表現。研究結果顯示，幼兒的蒐集訊息、分析整理訊息與解決問題表現間有因果關係。年齡愈大的幼兒在各個歷程的表現愈好。若是作業內容與幼兒生活經驗相關，4歲幼兒在行為上可以表現出同時考量兩個因素解決問題。解決不同概念的問題，幼兒有不同的表現。6歲幼兒無法表現需同時考量兩個因素問題的遷移。幼兒在解決需同時考量兩個因素問題時，行為及語言知識表徵層次有六個層次（層次0至層次5）。各種教學介入對層次1幼兒沒有影響。當幼兒處於層次3時，教學介入有影響效果，透過語言的說明可以幫助此時的幼兒提升表徵層次，但這些教學介入效果不足以讓幼兒達到層次5，也無法影響至幼兒的遷移表現上。 / The purposes of this study were to investigate young children’s ability to resolve problems with two dimensions and transfer, and the influences of instructional interventions on resolving these problems and transferring. There were 128 and 286 3 to 6-year-old young children in study 1 and study 2 respectively. Young children’s cognitive task was used. Results revealed the processes of searching information and analyzing information were related to the problem-solving. 4-year-old children could resolve the problems with two dimensions, when the problems were familiar. There was domain-specific knowledge on problem-solving. 6-year-old children could not transfer two dimensions to new and similar conditions. There were 6 levels knowledge representations of resolving problems with two dimensions in this study. The instructional intervention of explaining improved the level of children with level 3 to level 4, but not to level 5. And there were not effects of instructional interventions on transferring.

Cette thèse présente un système de retour articulatoire visuel, dans lequel les articulateurs visibles et non visibles d'une tête parlante sont contrôlés par inversion à partir de la voix d'un locuteur. Notre approche de ce problème d'inversion est basée sur des modèles statistiques élaborés à partir de données acoustiques et articulatoires enregistrées sur un locuteur français à l'aide d'un articulographe électromagnétique. Un premier système combine des techniques de reconnaissance acoustique de la parole et de synthèse articulatoire basées sur des modèles de Markov cachés (HMMs). Un deuxième système utilise des modèles de mélanges gaussiens (GMMs) pour estimer directement les trajectoires articulatoires à partir du signal acoustique. Pour généraliser le système mono-locuteur à un système multi-locuteur, nous avons implémenté une méthode d'adaptation du locuteur basée sur la maximisation de la vraisemblance par régression linéaire (MLLR) que nous avons évaluée à l'aide un système de reconnaissance articulatoire de référence. Enfin, nous présentons un démonstrateur de retour articulatoire visuel.

La détection d'homologues lointains est essentielle pour le classement fonctionnel et structural des séquences protéiques et pour l'amélioration de l'annotation des génomes très divergents. Pour le classement des séquences, nous présentons la méthode "ILP-SVM homology", combinant la programmation logique inductive (PLI) et les modèles propositionnels. Elle propose une nouvelle représentation logique des propriétés physico-chimiques des résidus et des positions conservées au sein de l'alignement de séquences. Ainsi, PLI trouve les règles les plus fréquentes et les utilise pour la phase d'apprentissage utilisant des modèles d'arbre de décision ou de machine à vecteurs de support. La méthode présente au moins les mêmes performances que les autres méthodes trouvées dans la littérature. Puis, nous proposons la méthode CASH pour annoter les génomes très divergents. CASH a été appliqué à Plasmodium falciparum, mais reste applicable à toutes les espèces. CASH utilise aussi bien l'information issue de génomes proches ou éloignés de P. falciparum. Chaque domaine connu est ainsi représenté par un ensemble de modèles évolutifs, et les sorties sont combinées par un méta-classificateur qui assigne un score de confiance à chaque prédiction. Basé sur ce score et sur des propriétés de co-ocurrences de domaines, CASH trouve l'architecture la plus probable de chaque séquence en appliquant une approche d'optimisation multi-objectif. CASH est capable d'annoter 70% des domaines protéiques de P. falciparum, contre une moyenne de 58% pour ses concurrents. De nouveaux domaines protéiques ont pu être caractérisés au sein de protéines de fonction inconnue ou déjà annotées.

Les travaux présentés sont dédiés à la possibilité de faire de l'inférence statistique à partir de données séquentielles. Le problème est le suivant. Étant donnée une suite d'observations x_1,...,x_n,..., on cherche à faire de l'inférence sur le processus aléatoire ayant produit la suite. Plusieurs problèmes, qui d'ailleurs ont des applications multiples dans différents domaines des mathématiques et de l'informatique, peuvent être formulés ainsi. Par exemple, on peut vouloir prédire la probabilité d'apparition de l'observation suivante, x_{n+1} (le problème de prédiction séquentielle); ou répondre à la question de savoir si le processus aléatoire qui produit la suite appartient à un certain ensemble H_0 versus appartient à un ensemble différent H_1 (test d'hypothèse) ; ou encore, effectuer une action avec le but de maximiser une certain fonction d'utilité. Dans chacun de ces problèmes, pour rendre l'inférence possible il faut d'abord faire certaines hypothèses sur le processus aléatoire qui produit les données. La question centrale adressée dans les travaux présentés est la suivante : sous quelles hypothèses l'inférence est-elle possible ? Cette question est posée et analysée pour des problèmes d'inférence différents, parmi lesquels se trouvent la prédiction séquentielle, les tests d'hypothèse, la classification et l'apprentissage par renforcement.

De nombreux domaines issus de l'industrie et des sciences appliquées ont été, au cours des dernières années, les témoins d'une révolution numérique. Cette tendance s'est accompagnée d'une croissance continue du volume des données--vidéos, musiques et images, dont le traitement est devenu un véritable défi technique. Par exemple, il est aujourd'hui fréquent de prendre des centaines de photographies de plusieurs millions de pixels, la moindre application de méthodes du traitement de l'image devenant alors une opération difficile. Dans ce contexte, la parcimonie est apparue comme un concept central en apprentissage statistique et traitement du signal. Il est en effet naturel de représenter, analyser et exploiter les données disponibles à travers un nombre réduit de paramètres. Par exemple, on peut imaginer effectuer de la reconnaissance d'objets sur des images de hautes résolutions en n'utilisant qu'un petit sous-ensemble pertinent de pixels. Alors que les approches générales favorisant la parcimonie ont déjà été l'objet de nombreux travaux--débouchant sur d'élégantes fondations théoriques, des outils algorithmiques efficaces et plusieurs succès pratiques--cette thèse se concentre sur une forme particulière et plus récente de parcimonie, nommée parcimonie structurée. Comme son nom l'indique, nous considérerons des situations où nous ne serons pas simplement intéréssés par la parcimonie, mais où nous aurons également à disposition des connaissances a priori nous renseignant sur certaines propriétés structurelles. En continuant d'exploiter l'exemple de la reconnaissance d'objets mentioné ci-dessus, nous savons que des pixels voisins sur une image ont tendance à partager des propriétés similaires, telles que la classe de l'objet à laquelle ils appartiennent. Ainsi, une approche encourageant la parcimonie devrait tirer partie de cette information spatiale. L'objectif de cette thèse est de comprendre et analyser le concept de parcimonie structurée, en se basant sur des considérations statistiques, algorithmiques et appliquées. Nous commencerons par introduire une famille de normes structurées parcimonieuses dont les propriétés sont étudiées en détail. En particulier, nous montrerons à quel type d'information structurelle ces normes correspondent, et nous présenterons sous quelles conditions statistiques elles sont capables de produire une séléction consistente de variables. Nous étudierons ensuite l'apprentissage de dictionnaires parcimonieux et structurés, où nous exploiterons les normes introduites précédemment dans un cadre de factorisation de matrices. L'approche qui en résulte est fléxible et versatile, et nous montrerons que les éléments de dictionnaire appris exhibent une structure parcimonieuse adaptée à la classe de signaux considérée. Concernant l'optimisation, nous proposerons différents outils algorithmiques efficaces et capables de passer à l'échelle, tels que des stratégies à ensemble de variables actives ou encore des méthodes proximales. Grâce à ces outils algorithmiques, nous illustrerons sur de nombreuses applications issues de domaines variés, quand et pourquoi la parcimonie structurée peut être bénéfique. Ces illustrations contiennent par exemple, des tâches de restauration en traitement de l'image, la modélisation de documents textuels sous la forme d'une hiérarchie de thèmes, la prédiction de la taille d'objets à partir de signaux d'imagerie par résonance magnétique fonctionnelle, ou encore des problèmes de segmentation d'images en vision par ordinateur.

Cette thèse s'intéresse aux mécanismes permettant de faciliter l'acquisition autonome de comportements chez les êtres vivants et propose d'utiliser ces mécanismes dans le cadre de tâches robotiques. Des réseaux de neurones artificiels sont utilisés pour modéliser certaines structures cérébrales, à la fois afin de mieux comprendre le fonctionnement de ces structures dans le cerveau des mammifères et pour obtenir des algorithmes robustes et adaptatifs de contrôle en robotique. Les travaux présentés se basent sur un modèle de l'hippocampe permettant d'apprendre des relations temporelles entre des événements perceptifs. Les neurones qui forment le substrat de cet apprentissage, appelés cellules de transition, permettent de faire des prédictions sur les événements futurs que le robot pourrait rencontrer. Ces transitions servent de support à la con- struction d'une carte cognitive, située dans le cortex préfrontal et/ou pariétal. Cette carte peut être apprise lors de l'exploration d'un environnement inconnu par un robot mobile et ensuite utilisée pour planifier des chemins lui permettant de rejoindre un ou plusieurs buts. Outre leur utilisation pour la construction d'une carte cognitive, les cellules de transition servent de base à la conception d'un modèle d'apprentissage par renforcement. Une implémen- tation neuronale de l'algorithme de Q-learning, utilisant les transitions, est réalisée de manière biologiquement plausible en s'inspirant des ganglions de la base. Cette architecture fournit une stratégie de navigation alternative à la planification par carte cognitive, avec un apprentissage plus lent, et correspondant à une stratégie automatique de bas-niveau. Des expériences où les deux stratégies sont utilisées en coopération sont réalisées et des lésions du cortex préfrontal et des ganglions de la base permettent de reproduire des résultats expérimentaux obtenus chez les rats. Les cellules de transition peuvent apprendre des relations temporelles précises permettant de prédire l'instant où devrait survenir un événement. Dans un modèle des interactions entre l'hippocampe et le cortex préfrontal, nous montrons comment ces prédictions peuvent expliquer certains enregistrements in-vivo dans ces structures cérébrales, notamment lorsqu'un rat réalise une tâche durant laquelle il doit rester immobile pendant 2 secondes sur un lieu but pour obtenir une récompense. L'apprentissage des informations temporelles provenant de l'environnement et du comportement permet de détecter des régularités. A l'opposé, l'absence d'un événe- ment prédit peut signifier un échec du comportement du robot, qui peut être détecté et utilisé pour adapter son comportement en conséquence. Un système de détection de l'échec est alors développé, tirant parti des prédictions temporelles fournies par l'hippocampe et des interactions entre les aspects de modulation comportementale du cortex préfrontal et d'apprentissage par renforcement dans les ganglions de la base. Plusieurs expériences robotiques sont conduites dans lesquelles ce signal est utilisé pour moduler le comportement d'un robot, dans un premier temps de manière immédiate, afin de mettre fin aux actions du robot qui le mènent à un échec et envisager d'autres stratégies. Ce signal est ensuite utilisé de manière plus permanente pour moduler l'apprentissage des associations menant à la sélection d'une action, afin que les échecs répétés d'une action dans un contexte particulier fassent oublier cette association. Finalement, après avoir utilisé le modèle dans le cadre de la navigation, nous montrons ses capacités de généralisation en l'utilisant pour le contrôle d'un bras robotique. Ces travaux constituent une étape importante pour l'obtention d'un modèle unifié et générique permettant le contrôle de plates-formes robotiques variés et pouvant apprendre à résoudre des tâches de natures différentes.