Mathématique, Informatique, Modélisation
Master AEAC & Master MIASHS/MSC
Université de Lille 3
Semestre 1

Objectifs de ce module

L'objectif de ce module est de présenter et discuter les notions de modélisation et modèle.
On se concentre sur les modèles quantitatifs, informatique et mathématique.
On s'intéresse à la modélisation de l'adaptation du comportement par interaction avec l'environnement.
Cet enseignement montre comment cette adaptation peut être étudiée de manière formelle. Il peut être intéressant de noter que les concepts présentés dans ce cours sont au cœur des mécanismes d'adaptation mis en œuvre sur des sites webs pour afficher des contenus personnalisés (par exemple). Plus généralement, ces concepts sont utilisés dans les systèmes artificiels pour leur permettre de s'adapter en continu à leur environnement.

L'enseignement s'appuie fortement sur la mise en pratique.

Calendrier

Le cours est composé de 2 x 8 séances. Toutes les séances ont lieu un lundi de 9h30 à 12h30 et 13h30 à 16h30.
Les séances ont lieu :

Mise en pratique

Exposés

Ci-dessous, vous trouvez la liste des textes à étudier (d'autres textes seront peut-être ajoutés).

Les exposés auront lieu les 8 décembre et le 12 janvier.

Modus operandi : vous faites votre choix et vous me l'envoyez par email à philippe.preux@univ-lille.fr.
En cas de conflit, j'utilise la règle du premier déclaré, premier servi (date et heure du email faisant foi).
1 exposé doit durer environ 30 mintes heure, soit 20 minutes d'exposé et 10 minutes de questions et discussion.

Conseil : ne vous y prenez pas à la dernière minute. Lisez l'article rapidement ; si vous avez des questions, vous pouvez me les poser quand on se voit ou par email.
Quelques conseils pour votre exposé :


TitreQuiQuand

Simulating the expansion of farming and the differentiation of European languages
Swarm intelligence in social insects and the emergence of cultural swarm patterns Cécile Blanquet 12 janvier


Thème  Exploration / Exploitation, Bandits

Bayesian Modeling of Human Sequential Decision-Making on the Multi-Armed Bandit Problem
Psychological models of human and optimal performance in bandit problems Juliette Boitout 8 décembre
Bees in two-armed bandit situations...
Should I stay or should I go? ... Anthony Boidin 12 janvier
Simple learning rules to cope with changing environments
Human copy rapidly increasing choices in a multiarmed bandit problem Matilde Laudiero 12 janvier
Why copy others? ...
Pigeon and human performances in a multi-armed bandit task ... Daouiya Khadar 12 janvier


Thème : Apprentissage par renforcement

Learning the value of information in an uncertain world
When Does Reward Maximization Lead to Matching Law?
Temporal Difference Models and Reward-Related Learning in the Human Brain
Reward representations and reward-related learning in the human brain: insights from neuroimaging Ketty Arondal 8 décembre
Neural Dissociation of Delay and Uncertainty in Intertemporal Choice Jessica Petre 12 janvier
The Agent-Based Approach: A New Direction for Computational Models of Development
A temporal-difference model of classical conditioning Sébastien Renaux 12 janvier
A Lesson from Robotics: Modeling Infants as Autonomous Agents Florent Cornet 8 décembre

Contrôle de connaissances

Le contrôle est continu. Il sera constitué de 2 notes. La note finale en sera la moyenne. Les 2 notes sont fournies par :

Retour à ma page web.