L'analyse automatique de différences anatomiques en neuroimagerie a de nombreuses applications pour la compréhension et l'aide au diagnostic de pathologies neurologiques. Récemment, il y a eu un intérêt croissant pour les méthodes de classification telles que les machines à vecteurs supports pour dépasser les limites des méthodes univariées traditionnelles. Cette thèse a pour thème l'apprentissage automatique pour l'analyse de populations et la classification de patients en neuroimagerie. Nous avons tout d'abord comparé les performances de différentes stratégies de classification, dans le cadre de la maladie d'Alzheimer à partir d'images IRM anatomiques de 509 sujets de la base de données ADNI. Ces différentes stratégies prennent insuffisamment en compte la distribution spatiale des \textit{features}. C'est pourquoi nous proposons un cadre original de régularisation spatiale et anatomique des machines à vecteurs supports pour des données de neuroimagerie volumiques ou surfaciques, dans le formalisme de la régularisation laplacienne. Cette méthode a été appliquée à deux problématiques cliniques: la maladie d'Alzheimer et les accidents vasculaires cérébraux. L'évaluation montre que la méthode permet d'obtenir des résultats cohérents anatomiquement et donc plus facilement interprétables, tout en maintenant des taux de classification élevés. / Brain image analyses have widely relied on univariate voxel-wise methods. In such analyses, brain images are first spatially registered to a common stereotaxic space, and then mass univariate statistical tests are performed in each voxel to detect significant group differences. However, the sensitivity of theses approaches is limited when the differences involve a combination of different brain structures. Recently, there has been a growing interest in support vector machines methods to overcome the limits of these analyses.This thesis focuses on machine learning methods for population analysis and patient classification in neuroimaging. We first evaluated the performances of different classification strategies for the identification of patients with Alzheimer's disease based on T1-weighted MRI of 509 subjects from the ADNI database. However, these methods do not take full advantage of the spatial distribution of the features. As a consequence, the optimal margin hyperplane is often scattered and lacks spatial coherence, making its anatomical interpretation difficult. Therefore, we introduced a framework to spatially regularize support vector machines for brain image analysis based on Laplacian regularization operators. The proposed framework was then applied to the analysis of stroke and of Alzheimer's disease. The results demonstrated that the proposed classifier generates less-noisy and consequently more interpretable feature maps with no loss of classification performance.

Les avancées technologiques ont permis le stockage de grandes masses de données en termes de taille (nombre d’observations) et de dimensions (nombre de variables).Ces données nécessitent de nouvelles méthodes, notamment en modélisation prédictive (data science ou science des données), de traitement statistique adaptées à leurs caractéristiques. Dans le cadre de cette thèse, nous nous intéressons plus particulièrement aux données dont le nombre de variables est élevé comparé au nombre d’observations.Pour ces données, une réduction du nombre de variables initiales, donc de dimensions, par la sélection d’un sous-ensemble optimal, s’avère nécessaire, voire indispensable.Elle permet de réduire la complexité, de comprendre la structure des données et d’améliorer l’interprétation des résultats et les performances du modèle de prédiction ou de classement en éliminant les variables bruit et/ou redondantes.Nous nous intéressons plus précisément à la sélection de variables dans le cadre de l’apprentissage supervisé et plus spécifiquement de la discrimination à catégories multiples dite multi-classes. L’objectif est de proposer de nouvelles méthodes de sélection de variables pour les modèles de discrimination multi-classes appelés Machines à Vecteurs Support Multiclasses (MSVM).Deux approches sont proposées dans ce travail. La première, présentée dans un contexte classique, consiste à sélectionner le sous-ensemble optimal de variables en utilisant le critère de "la borne rayon marge" majorante du risque de généralisation des MSVM. Quant à la deuxième approche, elle s’inscrit dans un contexte topologique et utilise la notion de graphes de voisinage et le critère de degré d’équivalence topologique en discrimination pour identifier les variables pertinentes qui constituent le sous-ensemble optimal du modèle MSVM.L’évaluation de ces deux approches sur des données simulées et d’autres réelles montre qu’elles permettent de sélectionner, à partir d’un grand nombre de variables initiales, un nombre réduit de variables explicatives avec des performances similaires ou encore meilleures que celles obtenues par des méthodes concurrentes. / The technological progress has allowed the storage of large amounts of data in terms of size (number of observations) and dimensions (number of variables). These data require new methods, especially for predictive modeling (data science), of statistical processing adapted to their characteristics. In this thesis, we are particularly interested in the data with large numberof variables compared to the number of observations.For these data, reducing the number of initial variables, hence dimensions, by selecting an optimal subset is necessary, even imperative. It reduces the complexity, helps to understand the data structure, improves the interpretation of the results and especially enhances the performance of the forecasting model by eliminating redundant and / or noise variables.More precisely, we are interested in the selection of variables in the context of supervised learning, specifically of multiclass discrimination. The objective is to propose some new methods of variable selection for multiclass discriminant models called Multiclass Support Vector Machines (MSVM).Two approaches are proposed in this work. The first one, presented in a classical context, consist in selecting the optimal subset of variables using the radius margin upper bound of the generalization error of MSVM. The second one, proposed in a topological context, uses the concepts of neighborhood graphs and the degree of topological equivalence in discriminationto identify the relevant variables and to select the optimal subset for an MSVM model.The evaluation of these two approaches on simulated and real data shows that they can select from a large number of initial variables, a reduced number providing equal or better performance than those obtained by competing methods.

L'algorithme covariant de van Holten, servant à construire des quantités conservées, est présenté avec une attention particulière portée sur les vecteurs de type Runge-Lenz. La dynamique classique des particules portant des charges isospins est passée en revue. Plusieures applications physiques sont considerées. Des champs de type monopôles non-Abéliens, générés par des mouvements nucléaires dans les molécules diatomiques, introduites par Moody, Shapere et Wilczek, sont étudiées. Dans le cas des espaces courbes, le formalisme de van Holten permet de décrire la symétrie dynamique des monopôles Kaluza-Klein généralisés. La procédure est étendue à la supersymétrie et appliquée aux monopôles supersymétriques. Une autre application, concernant l'oscillateur non-commutatif en dimension trois, est également traitée.

L'objet de cette thèse est de contribuer à améliorer l'identification automatique des instruments de musique dans des contextes réalistes, (sur des solos de musique, mais également sur des pièces multi-instrumentales). Nous abordons le problème suivant une approche de classification automatique en nous efforçant de rechercher des réalisations performantes des différents modules constituant le système que nous proposons. Nous adoptons un schéma de classification hiérarchique basé sur des taxonomies des instruments et des mélanges d'instruments. Ces taxonomies sont inférées au moyen d'un algorithme de clustering hiérarchique exploitant des distances probabilistes robustes qui sont calculées en utilisant une méthode à noyau. Le système exploite un nouvel algorithme de sélection automatique des attributs pour produire une description efficace des signaux audio qui, associée à des machines à vecteurs supports, permet d'atteindre des taux de reconnaissance élevés sur des pièces sonores reflétant la diversité de la pratique musicale et des conditions d'enregistrement rencontrées dans le monde réel. Notre architecture parvient ainsi à identifier jusqu'à quatre instruments joués simultanément, à partir d'extraits de jazz incluant des percussions.

L'application de classifieurs linéaires à l'analyse des données d'imagerie cérébrale (fMRI) a mené à plusieurs percées intéressantes au cours des dernières années. Ces classifieurs combinent linéairement les réponses des voxels pour détecter et catégoriser différents états du cerveau. Ils sont plus agnostics que les méthodes d'analyses conventionnelles qui traitent systématiquement les patterns faibles et distribués comme du bruit. Dans le présent projet, nous utilisons ces classifieurs pour valider une hypothèse portant sur l'encodage des sons dans le cerveau humain. Plus précisément, nous cherchons à localiser des neurones, dans le cortex auditif primaire, qui détecteraient les modulations spectrales et temporelles présentes dans les sons. Nous utilisons les enregistrements fMRI de sujets soumis à 49 modulations spectro-temporelles différentes. L'analyse fMRI au moyen de classifieurs linéaires n'est pas standard, jusqu'à maintenant, dans ce domaine. De plus, à long terme, nous avons aussi pour objectif le développement de nouveaux algorithmes d'apprentissage automatique spécialisés pour les données fMRI. Pour ces raisons, une bonne partie des expériences vise surtout à étudier le comportement des classifieurs. Nous nous intéressons principalement à 3 classifieurs linéaires standards, soient l'algorithme machine à vecteurs de support (linéaire), l'algorithme régression logistique (régularisée) et le modèle bayésien gaussien naïf (variances partagées). / The application of linear machine learning classifiers to the analysis of brain imaging data (fMRI) has led to several interesting breakthroughs in recent years. These classifiers combine the responses of the voxels to detect and categorize different brain states. They allow a more agnostic analysis than conventional fMRI analysis that systematically treats weak and distributed patterns as unwanted noise. In this project, we use such classifiers to validate an hypothesis concerning the encoding of sounds in the human brain. More precisely, we attempt to locate neurons tuned to spectral and temporal modulations in sound. We use fMRI recordings of brain responses of subjects listening to 49 different spectro-temporal modulations. The analysis of fMRI data through linear classifiers is not yet a standard procedure in this field. Thus, an important objective of this project, in the long term, is the development of new machine learning algorithms specialized for neuroimaging data. For these reasons, an important part of the experiments is dedicated to studying the behaviour of the classifiers. We are mainly interested in 3 standard linear classifiers, namely the support vectors machine algorithm (linear), the logistic regression algorithm (regularized) and the naïve bayesian gaussian model (shared variances).

La recherche porte sur les patrons de distribution longitudinale (amont-aval) et transversale (rive nord - rive sud) des communautés de crustacés planctoniques qui ont été analysés le long du fleuve Saint-Laurent entre le lac Saint-François et la zone de transition estuarienne, à deux hydropériodes en mai (crue) et en août (étiage). Les données zooplanctoniques et environnementales ont été récoltées à 52 stations réparties sur 16 transects transversaux en 2006. Au chapitre 1, nous présentons les principaux modèles écosystémiques en rivière, une synthèse des facteurs influençant le zooplancton en rivières et les objectifs et hypothèses de recherche. Au chapitre 2, nous décrivons la structure des communautés de zooplancton dans trois zones biogéographiques du fleuve et 6 habitats longitudinaux, ainsi que les relations entre la structure du zooplancton et la distribution spatiale des masses d’eau et les variables environnementales. Au chapitre 3, nous réalisons une partition de la variation des variables spatiales AEM (basées sur la distribution des masses d’eau) et des variables environnementales pour évaluer quelle part de la variation du zooplancton est expliquée par les processus hydrologiques (variables AEM) et les conditions locales (facteurs environnementaux). Le gradient salinité-conductivité relié à la discontinuité fleuve-estuaire a déterminé la distribution à grande échelle du zooplancton. Dans les zones fluviales, la distribution du zooplancton est davantage influencée par la distribution des masses d’eau que par les facteurs environnementaux locaux. La distribution des masses d’eau explique une plus grande partie de la variation dans la distribution du zooplancton en août qu’en mai. / The research aims to determine the distribution patterns of crustacean plankton along the longitudinal (west-east) and transversal (north shore - south shore) axes of the St. Lawrence River between Lake Saint-François and the estuarine transition zone, during two hydroperiods in May (high discharge) and August (low discharge). The zooplankton samples and the environmental data were collected at 52 stations distributed along 16 transversal transects in 2006. In chapter 1, we present the theoretical concepts of river ecosystem models, and a synthesis on the generative processes driving zooplankton spatial patterns in rivers. We also present our research objectives and hypotheses. In chapter 2, we describe spatial patterns of the zooplankton community structure in three biogeographic zones of the St. Lawrence and 6 longitudinal habitats, together with the relationships between zooplankton spatial structure and water masses spatial distribution and environmental characteristics. In chapter 3, we perform a variation partitioning procedure on spatial variables AEM (based on water masses spatial distribution) and environmental variables in order to assess how much of the zooplankton variation is explained by hydrological processes (AEM variables) and local conditions (environmental factors). The salinity-conductivity gradient related to the fluvial-estuary discontinuity determines the large-scale spatial patterns of the crustacean zooplankton. In the fluvial zones, the zooplankton distribution patterns are more influenced by the water masses spatial structure than by local environmental factors. The spatial distribution of the water masses explained more of the spatial structure of zooplankton communities in August than in May.

Les travaux de la thèse portent sur la résolution des équations de Stokes, d'abord avec des conditions au bord portant sur la composante normale du champ de vitesse et la composante tangentielle du tourbillon, ensuite avec des conditions au bord portant sur la pression et la composante tangentielle du champ de vitesse. Dans chaque cas nous démontrons l'existence, l'unicité et la régularité de la solution. Nous traitons aussi le cas de solutions très faibles, par dualité. Le cadre fonctionnel que nous avons choisi est celui des espaces de Banach du type H(div) et H(rot) ou l'intersection des deux, basés sur l'espace Lp , avec 1 < p < ∞. En particulier, on se place dans des domaines non simplement connexes, avec des frontières non connexes. Nous nous intéressons en premier lieu à l'obtention d'inégalités de Sobolev pour des champs de vecteurs u ∈ Lp (Ω). Dans un second temps, nous établissons des résultats d'existence pour les potentiels vecteurs avec diverses conditions aux limites. Ceci nous permet d'abord d'effectuer des décompositions de type Helmholtz et ensuite de démontrer des conditions Inf − Sup lorsque la forme bilinéaire est un produit de rotationnels. Ces conditions aux limites font que l'équation de la pression est indépendante des autres variables. C'est la raison pour laquelle nous sommes naturellement conduit à étudier les problèmes elliptiques qui se traduisent par les systèmes de Stokes sans la pression. La résolution de ces problèmes se fait au moyen des Conditions Inf − Sup qui jouent un rôle clef pour établir l'existence et l'unicité de solutions. Nous donnons une applications aux systèmes de Navier-Stokes, où on obtient l'existence d'une solution en effectuant un point fi xe autour du problème d'Oseen. Enfi n, deux méthodes numériques sont proposées pour approcher le problème de Stokes. Nous analysons d'abord une méthode de Nitsche et puis une méthode de Galerkin discontinu. Quelques résultats numériques de convergence sont décrits qui sont parfaitement cohérents avec l'analyse.

L'optimisation aérodynamique de forme est un domaine de recherche très actif ces dernières années, en raison notamment de l'importance de ses applications industrielles. Avec le développement de la méthode adjointe, il est aujourd'hui possible de calculer rapidement, et indépendamment du nombre de paramètres de forme, le gradient des fonctions d'intérêt par rapport à ces paramètres. Cette étude concerne l'utilisation des dérivées ainsi obtenues pour perfectionner les algorithmes d'optimisation locale et globale. Dans une première partie, il s'agit d'utiliser ces gradients pour la construction de modèles de substitution, et de profiter de ces modèles pour réduire le coût des méthodes d'optimisation globale. Plusieurs types de modèles sont présentés et combinés à un algorithme de type " évolution différentielle " en utilisant la méthode EGO (Efficient Global Optimization). Cette procédure est appliquée à l'optimisation de fonctions mathématiques, puis à des cas test d'optimisation aérodynamique autour de profils d'aile. Les résultats sont concluants : l'utilisation d'un modèle de substitution permet de réduire sensiblement le nombre d'évaluations nécessaire du modèle physique, et la prise en compte des gradients accentue ce résultat. Dans la seconde partie de ce travail, la méthode adjointe est utilisée pour calculer le gradient des fonctions d'intérêt par rapport aux coordonnées des noeuds de la surface du profil. Un algorithme d'optimisation locale est alors appliqué en utilisant ces points comme paramètres de l'optimisation et le champ de gradient lissé comme direction de descente. Si l'étude est encore à approfondir, les résultats sont encourageants.

No description available.

Les insectes sont soumis aux fluctuations thermiques de leur environnement mais disposent d’un panel varié de réponses comportementales, physiologiques et biochimiques pour en minimiser les effets délétères et maintenir leur intégrité physiologique. Ainsi certaines espèces régulent activement leur température interne indépendamment de la température de l’environnement. Si ces insectes peuvent s’affranchir des contraintes thermiques imposées par leur environnement, ceux qui se nourrissent du sang chaud d’hôtes vertébrés endothermes n’ont pas d’autres choix que de se confronter à une situation de stress thermique à chaque prise alimentaire. Le principal objectif de ce travail de thèse est de comprendre comment des insectes hématophages, employant des stratégies alimentaires différentes, gèrent le stress thermique associé au flux massif de chaleur engendré par l’ingestion du repas de sang. Nos résultats montrent que ces insectes ont su s’adapter en développant différentes stratégies de thermorégulation. / Insects are submitted to thermal fluctuations of their environment and have developed a wide ranged panel of behavioral, physiological and biochemical responses, to minimize the subsequent deleterious effects and maintain their physiological integrity. Some species actively regulate their internal temperature independently of the temperature of the environment. If these insects can overcome the constraints imposed by their thermal environment, those that feed on warm-blooded vertebrate hosts have no choice but to confront a situation of thermal stress at each feeding event. The main objective of this work is to understand how bloodsucking insects manage heat stress associated with the massive flow of heat generated by the ingestion of the blood meal. Our results show these insects have developed different strategies of thermoregulation to protect themselves from overheating.