Le double fardeau de la malnutrition à l’âge scolaire en milieu urbain : une étude au Burkina Faso

Ce travail financé par l'ACDI a été réalisé au Laboratoire TRANSNUT de l'Université de Montréal (Canada)en collaboration avec le Laboratoire National de Santé Publique (Burkina Faso) et HKI-Burkina Faso.

Évaluation de suppléments alimentaires pour deux espèces d’acariens prédateurs, Amblyseius swirskii et Neoseiulus cucumeris (Acari: Phytoseiidae) pour l’optimisation du contrôle biologique du thrips des petits fruits (Frankliniella occidentalis) en serriculture

Projet réalisé en cotutelle avec Jacques Brodeur et Les Shipp

Deep learning of representations and its application to computer vision

L’objectif de cette thèse par articles est de présenter modestement quelques étapes du parcours qui mènera (on espère) à une solution générale du problème de l’intelligence artificielle. Cette thèse contient quatre articles qui présentent chacun une différente nouvelle méthode d’inférence perceptive en utilisant l’apprentissage machine et, plus particulièrement, les réseaux neuronaux profonds. Chacun de ces documents met en évidence l’utilité de sa méthode proposée dans le cadre d’une tâche de vision par ordinateur. Ces méthodes sont applicables dans un contexte plus général, et dans certains cas elles on tété appliquées ailleurs, mais ceci ne sera pas abordé dans le contexte de cette de thèse. Dans le premier article, nous présentons deux nouveaux algorithmes d’inférence variationelle pour le modèle génératif d’images appelé codage parcimonieux “spike- and-slab” (CPSS). Ces méthodes d’inférence plus rapides nous permettent d’utiliser des modèles CPSS de tailles beaucoup plus grandes qu’auparavant. Nous démontrons qu’elles sont meilleures pour extraire des détecteur de caractéristiques quand très peu d’exemples étiquetés sont disponibles pour l’entraînement. Partant d’un modèle CPSS, nous construisons ensuite une architecture profonde, la machine de Boltzmann profonde partiellement dirigée (MBP-PD). Ce modèle a été conçu de manière à simplifier d’entraînement des machines de Boltzmann profondes qui nécessitent normalement une phase de pré-entraînement glouton pour chaque couche. Ce problème est réglé dans une certaine mesure, mais le coût d’inférence dans le nouveau modèle est relativement trop élevé pour permettre de l’utiliser de manière pratique. Dans le deuxième article, nous revenons au problème d’entraînement joint de machines de Boltzmann profondes. Cette fois, au lieu de changer de famille de modèles, nous introduisons un nouveau critère d’entraînement qui donne naissance aux machines de Boltzmann profondes à multiples prédictions (MBP-MP). Les MBP-MP sont entraînables en une seule étape et ont un meilleur taux de succès en classification que les MBP classiques. Elles s’entraînent aussi avec des méthodes variationelles standard au lieu de nécessiter un classificateur discriminant pour obtenir un bon taux de succès en classification. Par contre, un des inconvénients de tels modèles est leur incapacité de générer deséchantillons, mais ceci n’est pas trop grave puisque la performance de classification des machines de Boltzmann profondes n’est plus une priorité étant donné les dernières avancées en apprentissage supervisé. Malgré cela, les MBP-MP demeurent intéressantes parce qu’elles sont capable d’accomplir certaines tâches que des modèles purement supervisés ne peuvent pas faire, telles que celle de classifier des données incomplètes ou encore celle de combler intelligemment l’information manquante dans ces données incomplètes. Le travail présenté dans cette thèse s’est déroulé au milieu d’une période de transformations importantes du domaine de l’apprentissage à réseaux neuronaux profonds qui a été déclenchée par la découverte de l’algorithme de “dropout” par Geoffrey Hinton. Dropout rend possible un entraînement purement supervisé d’architectures de propagation unidirectionnel sans être exposé au danger de sur- entraînement. Le troisième article présenté dans cette thèse introduit une nouvelle fonction d’activation spécialement con ̧cue pour aller avec l’algorithme de Dropout. Cette fonction d’activation, appelée maxout, permet l’utilisation de aggrégation multi-canal dans un contexte d’apprentissage purement supervisé. Nous démontrons comment plusieurs tâches de reconnaissance d’objets sont mieux accomplies par l’utilisation de maxout. Pour terminer, sont présentons un vrai cas d’utilisation dans l’industrie pour la transcription d’adresses de maisons à plusieurs chiffres. En combinant maxout avec une nouvelle sorte de couche de sortie pour des réseaux neuronaux de convolution, nous démontrons qu’il est possible d’atteindre un taux de succès comparable à celui des humains sur un ensemble de données coriace constitué de photos prises par les voitures de Google. Ce système a été déployé avec succès chez Google pour lire environ cent million d’adresses de maisons.

Étude d’impact : comparaison et analyse des données anthropométriques et biologiques d’enfants d’âge scolaire au Burkina Faso

L’ Initiative des Écoles Amies de la Nutrition (IEAN) est une initiative développée par l'Organisation Mondiale de la Santé (OMS) en 2006 pour contrer le Double Fardeau Nutritionnel (DFN). TRANSNUT est une équipe de professeurs de l’Université de Montréal et Centre collaborateur OMS sur la transition nutritionnelle et le développement. En 2009, il a participé à une étude de base au Burkina Faso, qui a recueilli des données anthropométriques et biologiques des élèves du cours moyen. Cinq ans plus tard, en 2014, de nouvelles données anthropométriques et biologiques ont été recueillies dans les mêmes écoles mais non chez les mêmes élèves. Le but de cette étude est d'analyser les données de 2014 et de comparer les résultats avec ceux de 2009, afin d'évaluer l'impact et l’efficacité de l'initiative. C’est une étude transversale menée dans 12 écoles à Ouagadougou, la capitale du Burkina Faso. Six écoles «intervention» et six écoles «témoin» ont été sélectionnées, en tenant compte de la nature des écoles (privées/publiques) et de leurs zones géographiques (urbaines/périurbaines). L'échantillon total comprenait 651 écoliers (54,7% de filles) âgés de 8 à 14 ans. Des mesures anthropométriques et de la concentration d'hémoglobine ont été effectuées sur tous les enfants, alors que le rétinol sérique a été mesuré dans un sous-échantillon aléatoire de 184 enfants. Le test de t et du Khi Carré ont été utilisés pour la comparaison des moyennes et des proportions. L'âge moyen des enfants était de 11,4 ± 1,1 ans. Les taux d'anémie et de déficience en vitamine A (DVA) étaient respectivement de 35,6% et 26,1%. La prévalence du retard de croissance était de 8,1% et celle de la maigreur, de 8,4%. Chez les filles, 2,8% étaient en surpoids contre 0,9% des garçons (p = 0,036). Moins d'élèves étaient maigres en 2014 (7,2%) par rapport à 2009 (13,7%), et ce résultat était significatif avec p < 0,001. En outre, les carences en micronutriments ont été moins présentes dans les écoles en 2014 par rapport à 2009 (p = 0,007 pour l'anémie, p = 0,044 pour la DVA). Nos résultats ont confirmé une grande amélioration du statut nutritionnel des enfants d’âge scolaire à Ouagadougou. Toutefois, il n’est pas possible présentement d’évaluer jusqu'à quelle mesure l’IEAN a été impliquée dans ces changements, ni d’attribuer ces améliorations à cette initiative uniquement. Les recherches futures doivent être axées sur des études longitudinales pour évaluer de manière plus précise la croissance des mêmes élèves qui font partie des écoles « amies de la nutrition ».