Les modèles d'occupation de niche au sein des communautés locales, la variabilité spatiale de la biodiversité le long des gradients environnementaux du stress et des perturbations, et les processus de succession végétale sont plusieurs sujets fondamentaux en écologie. Récemment, l'approche basée sur les traits est apparue comme un moyen prometteur de comprendre les processus structurant les communautés végétales et cette approche a même été proposée comme méthode pour reconstruire l'écologie communautaire en fonction des traits fonctionnels. Par conséquent, lier ces thèmes fondamentaux en utilisant une lentille fonctionnelle devrait nous donner un aperçu de certaines questions fondamentales en écologie et sera l'objectif principal de ma thèse. En général, mon projet de doctorat vise à étudier les structures de l'occupation de l'espace fonctionnel dans les gradients spatio-temporels. Plus précisément, l'objectif du chapitre 2 est (i) d'étudier les modèles d'occupation de la niche fonctionnelle en calculant trois métriques clés de niche (le volume total de niche fonctionnelle , le chevauchement des niches fonctionnelles et le volume de niche fonctionnel moyen) des communautés pauvres en espèces aux communautés riches en espèces et (ii) de déterminer le principal facteur de la structure observée de l'occupation de la niche fonctionnelle dans les communautés végétales du monde entier. Dans le chapitre 3, je vise à prédire et à expliquer la variation de la richesse en espèces selon les gradients de stress et de perturbation, en reliant le modèle d'équilibre dynamique et l'occupation de la niche fonctionnelle en fonction du cadre développé au chapitre 2. L'objectif du chapitre 4 est de tester expérimentalement l’application d'une méthode d'ordination CSR évaluée globalement en fonction de trois traits de feuilles (surface foliaire, teneur en matière sèche des feuilles et surface foliaire spécifique) dans les études locales. Enfin, l'objectif du chapitre 5 est de tester expérimentalement les hypothèses qui concilient les points de vue déterministes et historiquement contingents de la succession végétale, en étudiant la variation des divergences taxonomiques et fonctionnelles entre les communautés selon des gradients de stress et de perturbation. L'étude globale (chapitre 2) est basée sur une collection de 21 jeux de données, couvrant les biomes tropicaux et tempérés, et se compose de 313 communautés végétales représentant différentes formes de croissance. Les études locales (chapitre 3, 4 et 5) sont basées sur le même système expérimental constitué de 24 mésocosmes présentant différents niveaux de stress et de perturbation. L'expérience a commencé en 2009 avec le même mélange de graines de 30 espèces herbacées semées sur les 24 mésocosmes et s'est terminée en 2016. Nous avons permis la colonisation naturelle de graines de la banque commune de graines de sol et de l'environnement pendant la succession de sept ans. Dix traits ont été mesurés sur cinq individus (échantillonnés directement à partir des mésocosmes) par espèce par mésocosme en 2014 (chapitre 3 et 4). Un autre ensemble de traits (16 traits, y compris certains traits qui ne pouvaient pas être mesurés directement dans les mésocosmes), ont été mesurés au niveau de l'espèce (valeurs moyennes des traits) pour les 34 espèces les plus abondantes (certaines espèces disparues dans les mésocosmes) au cours des sept Ans, en les regroupant séparément pour une saison de croissance. Au chapitre 2, nous avons constaté que les communautés étaient plus diverses en termes fonctionnels (une augmentation du volume fonctionnel total) dans les communautés riches en espèces et que les espèces se chevauchaient davantage au sein de la communauté (augmentation du chevauchement fonctionnel), mais ne divisaient pas plus finement l'espace fonctionnel (aucune réduction du volume fonctionnel moyen). En outre, le filtrage de l'habitat est un processus répandu qui conduit à la caractérisation de l'occupation de niche fonctionnelle dans les communautés végétales. Dans le chapitre 3, nous avons trouvé un modèle similaire d'occupation de niche fonctionnelle sur un système expérimental avec une taille spatiale communautaire constante et un effort d'échantillonnage des traits, qui, avec le chapitre 2, nous a fourni une image plus complète et plus solide de l'occupation de niche fonctionnelle dans les communautés végétales. De plus, nous avons réussi à relier le modèle de l'occupation de la niche fonctionnelle et le modèle d'équilibre dynamique et avons constaté que le filtrage concurrentiel était le processus dominant qui détermine le mode d'occupation de la niche fonctionnelle et la richesse des espèces le long du stress et de la perturbation des gradients. Au chapitre 4, nous fournissons un soutien empirique à une méthode d'ordination CSR calibrée globalement en montrant une relation entre l'abondance relative d'espèces en croissance dans les mésocosmes ayant différents niveaux de fertilité du sol et mortalité indépendante de la densité et leur classification CSR. Au chapitre 5, nous avons montré que la succession d'installations au cours de sept ans dans ces mésocosmes était plus déterministe d'un point de vue fonctionnel, mais plus historiquement contingent d'un point de vue taxonomique et que l'importance relative de la contingence historique a diminué à mesure que l'environnement devenait plus stressé ou perturbé. En conclusion, les structures de l'occupation de l'espace fonctionnel dans (le volume fonctionnel total, le chevauchement fonctionnel et le volume fonctionnel moyen, les Chapitre 2 et 3) ou entre les communautés locales (dissimilarité fonctionnelle, chapitre 5) sont déterministes plutôt que neutres (ou contingence historique ). Les espèces tolératrices de stress sont plus avantagées dans les mésocosmes moins fertiles tandis que les espèces rudérales sont plus avantagées dans les mésocosmes avec plus de mortalité indépendante de la densité. / Abstract : The patterns of niche occupancy within local communities, the spatial variability of biodiversity along environmental gradients of stress and disturbance, and the processes of plant succession are several fundamental topics in ecology. Recently, the trait-based approach has emerged as a promising way to understand the processes structuring plant communities and has even been proposed as a method to rebuild community ecology based on functional traits. Therefore, linking these fundamental themes through a functional lens should give us more insight into some basic questions in ecology and will be the main objective of my thesis. Generally, my PhD project is to investigate the structures of functional space occupancy along both spatial and temporal gradients. Specifically, the objective of Chapter 2 is to investigate the patterns of functional niche occupancy by calculating three key niche metrics (the total functional niche volume, the functional niche overlap and the average functional niche volume) from speciespoor communities to species-rich communities and to determine the main driver of the observed pattern of functional niche occupancy across plant communities worldwide. In Chapter 3, I aim to predict and explain the variation of species richness along gradients of stress and disturbance, by linking the dynamic equilibrium model and functional niche occupancy based on the framework developed in Chapter 2. The objective of Chapter 4 is to experimentally test the application of a globally calibrated CSR ordination method based on three leaf traits (leaf area, leaf dry matter content and specific leaf area) in local studies. Finally, the aim of Chapter 5 is to experimentally test the hypotheses reconciling the deterministic and historically contingent views of plant succession, by investigating the variation of taxonomic and functional dissimilarities between communities along gradients of stress and disturbance. The global study (Chapter 2) is based on a collection 21 trait datasets, spanning tropical to temperate biomes, and consisting of 313 plant communities representing different growth forms. The local studies (Chapter 3, 4 and 5) are based on the same experimental system consisting of 24 mesocosms experiencing different levels of stress and disturbance. The experiment started in 2009 with the same seed mixture of 30 herbaceous species broadcast over the 24 mesocosms and ended in 2016. We allowed natural colonization of seeds from the common soil seed bank and from the surroundings during the seven-year succession. Ten traits were measured on five individuals (sampled directly from the mesocosms) per species per mesocosms in 2014 (Chapter 3 and 4). Another set of traits (16 traits including some traits that were not able to measured directly in the mesocosms) were measured at the species level (species mean traits values) for the 34 most abundant species (some species disappeared in the mesocosms) over the seven years, by regrowing them separately for one growing season. In Chapter 2, we found communities were more functionally diverse (an increase in total functional volume) in species-rich communities, and species overlapped more within the community (an increase in functional overlap) but did not more finely divide the functional space (no decline in average functional volume). Moreover, habitat filtering is a widespread process driving the pattern of functional niche occupancy across plant communities. In Chapter 3, we found a similar pattern of functional niche occupancy on an experimental system with a constant community spatial size and trait-sampling effort, which together with Chapter 2 provided us a more comprehensive and robust picture of functional niche occupancy across plant communities. In addition, we succeeded in linking the pattern of functional niche occupancy and the dynamic equilibrium model and found that habitat filtering was the dominant process determining the pattern of functional niche occupancy and species richness along the gradients stress and disturbance. In Chapter 4, we provide empirical support for a globally calibrated CSR ordination method by showing a relationship between the relative abundance of species growing in mesocosms having different levels of soil fertility and density-independent mortality and their CSR classification. In Chapter 5, we showed that plant succession over seven years in these mesocosms was more deterministic from a functional perspective but more historically contingent from a taxonomic perspective, and that the relative importance of historical contingency decreased as the environment became more stressed or disturbed. In conclusion, the structures of functional space occupancy within (the total functional volume, the functional overlap and the average functional volume; Chapter 2 and 3) or between local communities (functional dissimilarity, Chapter 5) are deterministic rather than neutral (or historical contingency). Stress-tolerators were more favored in high stress communities, while ruderals are more favored in high disturbed mesocosms (Chapter 4).

Indiana University-Purdue University Indianapolis (IUPUI) / The collection of pages spread before you now, this story-thesis, is a collection of stories about my journey from cult member to the place in life I am now, stories about those stories, and stories about the people who lived or read them, talked about them, and were changed by the tellings. Most importantly, the goal of this story-thesis is to illustrate how the process of story-making and -telling changes how we interpret our identities and our lifeworlds. I argue that the stories that we share change our identities, and I also argue that how we perceive our identity and the identities of others affects the stories that we share.

As the demand for 3D maps from LIDAR scanners increases, delivering high-quality maps becomes critical. One way to ensure the quality of such maps is through point cloud alignment classification, which aims to classify the alignment error between two registered point clouds. Specifically, we present the classifier FACT (Feature-Aware Classification Transformer), consisting of two main modules: feature extraction and classification. Descriptive features are extracted from the joint point cloud, which are then processed by a point transformer-based neural network to predict the alignment error class. In a ten-class point cloud alignment classification test, FACT achieved 92.4% accuracy, where the alignment error ranged from zero meters and radians to 0.9 meters and 0.09 radians. Remarkably, the classifier only made one misprediction beyond neighboring classes, exhibiting its ability to detect alignment errors as the classes have an inherent order. Furthermore, when benchmarked on two binary classification tasks, FACT showed significantly superior performance over the baseline and even obtained 100.0% accuracy for the easier of the two tasks. FACT not only detects potential errors in 3D maps but also estimates their magnitude, leading to more reliable 3D maps with quality estimations for each transformation.

Regression is a central problem in statistics and machine learning with applications everywhere in science and technology. In probabilistic regression the relationship between a set of features and a real-valued target variable is modelled as a conditional probability distribution. There are cases where this distribution is very complex and not properly captured by simple approximations, such as assuming a normal distribution. This thesis investigates how conditional Generative Adversarial Networks (GANs) can be used to properly capture more complex conditional distributions. GANs have seen great success in generating complex high-dimensional data, but less work has been done on their use for regression problems. This thesis presents experiments to better understand how conditional GANs can be used in probabilistic regression. Different versions of GANs are extended to the conditional case and evaluated on synthetic and real datasets. It is shown that conditional GANs can learn to estimate a wide range of different distributions and be competitive with existing probabilistic regression models.

Text in English and Arabic / In pre-colonial Africa, the Southwestern Sahara which includes Mauritania, Mali and Senegal belonged to what was then referred to as the Sudan and extended from the Atlantic seaboard to the Red Sea. The advent of Islam and the Arabic language to West Africa in the 11th century heralded an intellectual marathon whose literary output still fascinates us today. At a time when Europe was emerging from the dark ages and Africa was for most Europeans a terra incognita, indigenous African scholars were composing treatises as diverse as mathematics, agriculture and the Islamic sciences. A twentieth century Mauritanian, Arabic monograph, Irshād al- Muqallidīn ʿinda ikhtilāf al-Mujtahidīn1, written circa 1910/1332, by a yet unknown Mauritanian jurist of the Mālikī School, Bāba bin al-Shaykh Sīdī al- Shinqīṭī al-Ntishā-ī (d.1920/1342), a member of the muchacclaimed Shinqīṭī fraternity of scholars, is a fine example of African literary accomplishment. This manuscript hereinafter referred to as the Irshād, is written within the legal framework of Islamic jurisprudence (usūl al-fiqh). A science that relies for the most part on the intellectual and interpretive competence of the independent jurist, or mujtahid, in the application of the methodologies employed in the extraction of legal norms from the primary sources of the sharīʿah. The subject matter of the Irshād deals with the question of juristic differences. Juristic differences invariably arise when a mujtahid exercises his academic freedom to clarify or resolve conundrums in the law and to postulate legal norms. Other independent jurists (mujtahidūn) may posit different legal norms because of the exercise of their individual interpretive skills. These differences, when they are deemed juristically irreconcilable, are called ikhtilāfāt (pl. of ikhtilāf). The author of the Irshād explores a corollary of the ikhtilāf narrative and posits the hypothesis that there ought not to be ikhtilāf in the sharīʿah. The proposed research will comprise an annotated translation of the monograph followed by a synopsis and commentary on its dominant themes. / Religious Studies and Arabic / D. Litt. et Phil. (Islamic Studies)

Ces dernières années, le domaine de l’apprentissage profond a connu des progrès énormes dans des applications allant de la génération d’images, détection d’objets, modélisation du langage à la réponse aux questions visuelles. Les approches classiques telles que l’apprentissage supervisé nécessitent de grandes quantités de données étiquetées et spécifiques à la tâches. Cependant, celles-ci sont parfois coûteuses, peu pratiques, ou trop longues à collecter. La modélisation efficace en données, qui comprend des techniques comme l’apprentissage few-shot (à partir de peu d’exemples) et l’apprentissage self-supervised (auto-supervisé), tentent de remédier au manque de données spécifiques à la tâche en exploitant de grandes quantités de données plus “générales”. Les progrès de l’apprentissage profond, et en particulier de l’apprentissage few-shot, s’appuient sur les benchmarks (suites d’évaluation), les métriques d’évaluation et les jeux de données, car ceux-ci sont utilisés pour tester et départager différentes méthodes sur des tâches précises, et identifier l’état de l’art. Cependant, du fait qu’il s’agit de versions idéalisées de la tâche à résoudre, les benchmarks sont rarement équivalents à la tâche originelle, et peuvent avoir plusieurs limitations qui entravent leur rôle de sélection des directions de recherche les plus prometteuses. De plus, la définition de métriques d’évaluation pertinentes peut être difficile, en particulier dans le cas de sorties structurées et en haute dimension, telles que des images, de l’audio, de la parole ou encore du texte. Cette thèse discute des limites et des perspectives des benchmarks existants, des fonctions de coût (training losses) et des métriques d’évaluation (evaluation metrics), en mettant l’accent sur la modélisation générative - les Réseaux Antagonistes Génératifs (GANs) en particulier - et la modélisation efficace des données, qui comprend l’apprentissage few-shot et self-supervised. La première contribution est une discussion de la tâche de modélisation générative, suivie d’une exploration des propriétés théoriques et empiriques des fonctions de coût des GANs. La deuxième contribution est une discussion sur la limitation des few-shot classification benchmarks, certains ne nécessitant pas de généralisation à de nouvelles sémantiques de classe pour être résolus, et la proposition d’une méthode de base pour les résoudre sans étiquettes en phase de testing. La troisième contribution est une revue sur les méthodes few-shot et self-supervised de détection d’objets , qui souligne les limites et directions de recherche prometteuses. Enfin, la quatrième contribution est une méthode efficace en données pour la description de vidéo qui exploite des jeux de données texte et vidéo non supervisés. / In recent years, the field of deep learning has seen tremendous progress for applications ranging from image generation, object detection, language modeling, to visual question answering. Classic approaches such as supervised learning require large amounts of task-specific and labeled data, which may be too expensive, time-consuming, or impractical to collect. Data-efficient methods, such as few-shot and self-supervised learning, attempt to deal with the limited availability of task-specific data by leveraging large amounts of general data. Progress in deep learning, and in particular, few-shot learning, is largely driven by the relevant benchmarks, evaluation metrics, and datasets. They are used to test and compare different methods on a given task, and determine the state-of-the-art. However, due to being idealized versions of the task to solve, benchmarks are rarely equivalent to the original task, and can have several limitations which hinder their role of identifying the most promising research directions. Moreover, defining meaningful evaluation metrics can be challenging, especially in the case of high-dimensional and structured outputs, such as images, audio, speech, or text. This thesis discusses the limitations and perspectives of existing benchmarks, training losses, and evaluation metrics, with a focus on generative modeling—Generative Adversarial Networks (GANs) in particular—and data-efficient modeling, which includes few-shot and self-supervised learning. The first contribution is a discussion of the generative modeling task, followed by an exploration of theoretical and empirical properties of the GAN loss. The second contribution is a discussion of a limitation of few-shot classification benchmarks, which is that they may not require class semantic generalization to be solved, and the proposal of a baseline method for solving them without test-time labels. The third contribution is a survey of few-shot and self-supervised object detection, which points out the limitations and promising future research for the field. Finally, the fourth contribution is a data-efficient method for video captioning, which leverages unsupervised text and video datasets, and explores several multimodal pretraining strategies.