SLG

Date : vendredi 13 octobre à 9h,  Lieu : salle des thèses à l’Université d’Avignon, Campus Hannah Arendt (centre-ville). Titre : “Hierarchical Imitation and Reinforcement Learning for Multi-Domain Task-Oriented Dialogue Systems”. La soutenance peut être suivie en live stream via le lien suivant : https://v-au.univ-avignon.fr/live. Résumé : Dans cette thèse, nous étudions les systèmes de dialogue orientés tâches qui sont des systèmes conçus pour aider les utilisateurs à accomplir des tâches spécifiques, telles que la réservation d’un vol ou d’un restaurant. Ils s’appuient généralement sur un paradigme d’apprentissage par renforcement pour modéliser le dialogue permettant au système de raisonner sur les objectifs et les préférences de l’utilisateur, et de sélectionner les actions qui conduiront au résultat souhaité. Nous nous concentrons spécifiquement sur l’apprentissage à partir d’un nombre limité d’interactions, ce qui est crucial en raison de la rareté et du coût des interactions humaines. Les algorithmes standards d’apprentissage par renforcement nécessitent généralement une grande quantité de données d’interaction pour obtenir de bonnes performances. Pour relever ce défi, nous visons à rendre les systèmes de dialogue plus efficaces en termes d’échantillonnage dans leur entraînement. Nous nous sommes inspirés principalement des idées d’imitation et de hiérarchie. Notre première contribution explore l’intégration de l’imitation dans l’apprentissage Plus d'infos

Date : 26 avril à 14h30. Lieu : Centre d’Enseignement et de Recherche en Informatique (auditorium Ada Lovelace). Le jury sera composé de : Titre : Représentation des preuves pour la confidentialité des attributs : mise à jour bayésienne, preuves compositionnelles et calibration. Résumé : La confidentialité des attributs dans la technologie multimédia vise à masquer seulement une ou quelques caractéristiques personnelles, ou attributs, d’un individu plutôt que l’identité complète. À titre d’exemples, ces attributs peuvent être le sexe, la nationalité ou l’état de santé de l’individu. Lorsque l’attribut à cacher est discret avec un nombre fini de valeurs possibles, la croyance de l’attaquant concernant l’attribut est représentée par une distribution de probabilité discrète sur l’ensemble des valeurs possibles. La règle de Bayes est connue comme un paradigme d’acquisition d’information et montre comment la fonction de vraisemblance modifie la croyance antérieure en une croyance postérieure. Dans le cas binaire, c’est-à-dire lorsque seules deux valeurs sont possibles pour l’attribut, la fonction de vraisemblance peut être exprimée sous forme de Rapport de Vraisemblance Logarithmique (LLR). Cela est connu comme le poids des preuves et est considéré comme un bon candidat pour indiquer quelle hypothèse les données soutiennent et à quel point. La Plus d'infos

Date : 2 mai à 14h00. Lieu : Avignon, Centre d’Enseignement et de Recherche en Informatique (Auditorium Ada Lovelace). Membres du jury : Titre : Évaluation de l’intelligibilité de la parole à l’aide de l’apprentissage profond : vers une interprétation améliorée en phonétique clinique. Résumé : L’intelligibilité de la parole est un élément essentiel de la communication efficace. Elle fait référence au degré auquel le message voulu par un locuteur peut être compris par un auditeur. Cette capacité peut être entravée en raison de troubles de la parole, ce qui entraîne une réduction de la qualité de vie des individus. Dans le cas du cancer de la tête et du cou (HNC), la parole peut être affectée en raison de la présence de tumeurs dans le système de production de la parole, mais la principale cause d’altération de la parole est généralement le traitement des tumeurs, notamment la chirurgie, la radiothérapie, la chimiothérapie, ou une combinaison de ces traitements. Dans de tels cas, l’évaluation de la qualité de la parole est cruciale pour évaluer le déficit de communication des patients et élaborer des plans de traitement ciblés. En pratique clinique, les mesures perceptuelles sont considérées comme la référence pour évaluer Plus d'infos