Apprentissage d'espaces sémantiques

Dans cette dissertation, nous présentons plusieurs techniques d’apprentissage d’espaces sémantiques pour plusieurs domaines, par exemple des mots et des images, mais aussi à l’intersection de différents domaines. Un espace de représentation est appelé sémantique si des entités jugées similaires par un être humain, ont leur similarité préservée dans cet espace. La première publication présente un enchaînement de méthodes d’apprentissage incluant plusieurs techniques d’apprentissage non supervisé qui nous a permis de remporter la compétition “Unsupervised and Transfer Learning Challenge” en 2011. Le deuxième article présente une manière d’extraire de l’information à partir d’un contexte structuré (177 détecteurs d’objets à différentes positions et échelles). On montrera que l’utilisation de la structure des données combinée à un apprentissage non supervisé permet de réduire la dimensionnalité de 97% tout en améliorant les performances de reconnaissance de scènes de +5% à +11% selon l’ensemble de données. Dans le troisième travail, on s’intéresse à la structure apprise par les réseaux de neurones profonds utilisés dans les deux précédentes publications. Plusieurs hypothèses sont présentées et testées expérimentalement montrant que l’espace appris a de meilleures propriétés de mixage (facilitant l’exploration de différentes classes durant le processus d’échantillonnage). Pour la quatrième publication, on s’intéresse à résoudre un problème d’analyse syntaxique et sémantique avec des réseaux de neurones récurrents appris sur des fenêtres de contexte de mots. Dans notre cinquième travail, nous proposons une façon d’effectuer de la recherche d’image ”augmentée” en apprenant un espace sémantique joint où une recherche d’image contenant un objet retournerait aussi des images des parties de l’objet, par exemple une recherche retournant des images de ”voiture” retournerait aussi des images de ”pare-brises”, ”coffres”, ”roues” en plus des images initiales.

Exploration of Recovery Trajectories in Sexually Abused Adolescents.

This study documents recovery status and symptom changes in a one-year follow-up of sexually abused (SA) adolescent girls in child protection services in the province of Québec, Canada. Sixteen French-speaking participants were interviewed using the Multidimensional Trauma Recovery and Resiliency Interview (MTRR-I), which was in turn rated by interviewers using the companion rating scale, the MTRR, and completed questionnaires assessing symptoms, types of maltreatment endured and services received. Participants were between the ages of 13 and 17 years (M = 15.2 years) when first interviewed and had experienced severe sexual abuses. Analyses of one-year follow-up data revealed statistically significant changes towards better functioning on multiple domains and less symptomatology for a majority of the girls interviewed. The recovery status of a minority of research participants seems to have worsened in the interval. The discussion considers these findings and addresses relevancy of the MTRR measures in cases of SA adolescents.