Étude de la médiane de permutations sous la distance de Kendall-Tau

La distance de Kendall-τ compte le nombre de paires en désaccord entre deux permuta- tions. La distance d’une permutation à un ensemble est simplement la somme des dis- tances entre cette permutation et les permutations de l’ensemble. À partir d’un ensemble donné de permutations, notre but est de trouver la permutation, appelée médiane, qui minimise cette distance à l’ensemble. Le problème de la médiane de permutations sous la distance de Kendall-τ, trouve son application en bio-informatique, en science politique, en télécommunication et en optimisation. Ce problème d’apparence simple est prouvé difficile à résoudre. Dans ce mémoire, nous présentons plusieurs approches pour résoudre le problème, pour trouver une bonne solution approximative, pour le séparer en classes caractéristiques, pour mieux com- prendre sa compléxité, pour réduire l’espace de recheche et pour accélérer les calculs. Nous présentons aussi, vers la fin du mémoire, une généralisation de ce problème et nous l’étudions avec ces mêmes approches. La majorité du travail de ce mémoire se situe dans les trois articles qui le composent et est complémenté par deux chapitres servant à les lier.

L’influence des capacités cognitives mâles et femelles sur le choix de partenaire chez le diamant mandarin (Taeniopygia guttata)

S’approvisionner en nourriture est essentiel à la survie et au succès reproducteur. Lorsque les animaux font face à des changements environnementaux brutaux, ils doivent s’ajuster rapidement à leur nouvel environnement et parfois même innover dans leur façon de s’approvisionner. Des processus comportementaux et cognitifs, tels que l’innovation et l’apprentissage, permettent aux animaux d'intégrer de nouveaux comportements à leur répertoire comportemental afin de s'adapter de façon optimale. Les performances cognitives varient entre les individus d’une même population et bien que des études récentes se soient intéressées aux causes de ce phénomène, de convaincantes évidences sont manquantes afin d’expliquer pourquoi ces variations sont maintenues. Au cours de ce mémoire, les questions des pressions de sélection s'exerçant sur les performances d’alimentation par une tâche motrice nouvelle sont abordées afin de mieux comprendre l'évolution des capacités cognitives au sein d'une population captive de diamants mandarins (Taeniopygia guttata). Nous avons tout d'abord testé si les femelles diamants mandarins modifient leurs préférences d'accouplement après avoir observé la performance d'alimentation par une tâche motrice nouvelle des mâles. Afin de déterminer si les femelles sont capables de discriminer entre les mâles sur la base de leur capacité cognitive, nous avons également évalué les performances d’apprentissage de chacune d’elles. En effet, des études ont suggéré qu’il peut être coûteux, spécialement en terme de temps, de discriminer entre des partenaires potentiels sur cette base. La généralisation d’une préférence pour un mâle performant à d’autres mâles possédant le même phénotype permettrait la réduction de ces coûts. Nous avons donc finalement testé si les femelles diamants mandarins peuvent généraliser leur préférence après avoir observé les performances d’alimentation pour une tâche motrice nouvelle d’un mâle. Nos résultats suggèrent que les femelles diamants mandarins ne peuvent évaluer les capacités cognitives d’un mâle par l’intermédiaire de traits indicateurs. Toutefois, nous avons démontré qu’une observation directe des performances d’alimentation d’un mâle guide le choix d’appariement des femelles. Également, nous avons montré que les femelles peuvent généraliser l’apparence du mâle le plus performant et utiliser cette information lors de l’évaluation de nouveaux mâles. La relation entre les performances cognitives et le choix de partenaire pourraient s’expliquer par exemple par une meilleure exploitation de l’habitat, mais nécessite des études plus approfondies.

Programme d’exercice en douceur basé sur le yoga Bali chez les personnes atteintes d’insuffisance cardiaque : les premiers pas

L’insuffisance cardiaque (IC) est un problème d’importance grandissante lié à des perturbations des systèmes nerveux autonome, immunitaire, et cardiovasculaire. Ces perturbations contribuent à plusieurs symptômes physiques et psychologiques invalidants. La recherche faite jusqu’ici sur des programmes d’exercice basés sur le yoga a démontré des résultats préliminaires assez prometteurs en IC. Néanmoins, il reste des lacunes à combler dans la littérature face aux populations testées, à la combinaison des mesures physiques et psychologiques, au suivi du traitement à la maison et à la perception des symptômes au quotidien. Ce projet pilote a donc pour objectif de développer un programme d’exercice complémentaire basé sur le yoga adapté aux patients souffrant d’IC, d’en mesurer la faisabilité et l’acceptabilité en plus d’obtenir des données préliminaires quant à l’impact de cette intervention à réduire la symptomatologie physique et psychologique et d’améliorer la qualité de vie (QV) de ces patients. Les deux premiers participants recrutés dans le cadre de l’étude pilote font l’objet de ce mémoire. Ils ont pris part à huit séances hebdomadaires de yoga Bali, couplé de psychoéducation et méditation tous données à l’Institut de Cardiologie de Montréal par une instructrice certifiée dans la méthode BALI. L’élaboration des outils nécessaires au déroulement du programme, y compris le manuel d’enseignement et le DVD, la faisabilité d’une collaboration avec le personnel médical et évidement l’évaluation des effets du programme en soit sur les symptômes physiques et psychologique s sont parmi les sujets abordés. Les résultats, quoique préliminaires, semblent tendre vers une amélioration des corrélats physiologiques liés à l’insuffisance cardiaque, notamment l’activité du système nerveux autonome tel que témoigné par la variabilité de la fréquence cardiaque, et l’inflammation indiqué par le niveau de CRP sanguin.

Un modèle rétroactif de réconciliation utilité-confidentialité sur les données d’assurance

Le partage des données de façon confidentielle préoccupe un bon nombre d’acteurs, peu importe le domaine. La recherche évolue rapidement, mais le manque de solutions adaptées à la réalité d’une entreprise freine l’adoption de bonnes pratiques d’affaires quant à la protection des renseignements sensibles. Nous proposons dans ce mémoire une solution modulaire, évolutive et complète nommée PEPS, paramétrée pour une utilisation dans le domaine de l’assurance. Nous évaluons le cycle entier d’un partage confidentiel, de la gestion des données à la divulgation, en passant par la gestion des forces externes et l’anonymisation. PEPS se démarque du fait qu’il utilise la contextualisation du problème rencontré et l’information propre au domaine afin de s’ajuster et de maximiser l’utilisation de l’ensemble anonymisé. À cette fin, nous présentons un algorithme d’anonymat fortement contextualisé ainsi que des mesures de performances ajustées aux analyses d’expérience.

Validation de l’échelle de mesure de la conscience de l’environnement d’affaires

La conscience de l’environnement d’affaires est définie comme l’ensemble des savoirs détenus par les employés non-cadres par rapport à l’environnement d’affaires interne et externe de leur organisation. Elle se manifeste lorsque l’employé est impliqué dans la prise de décision ou résolution de problème affectant l’entreprise. Ce travail a comme objectifs la validation d’une échelle de mesure du concept à l’étude, ainsi que la vérification de sa validité de construit et nomologique. L’ensemble initial d’items de l’échelle de mesure a été déterminé suite à des entrevues avec les employés d’organisations participantes (Gauvreau-Jean, 2008). L’ensemble initial de 40 items a été testé avec un échantillon de 508 employés d’une manufacture. Suite à des ajustements, l’échelle modifiée couvre quatre dimensions du construit. L’adéquation de son contenu a ensuite été mise à l’épreuve par deux groupes cibles et deux évaluations expertes (Lessard, 2014). Finalement, dans le cadre de notre étude, la validité du contenu et nomologique de l’échelle modifiée (contenant 24 items) a été testée avec 330 employés de première ligne de quatre entreprises. Les quatre dimensions du construit furent supportées, la fiabilité de l’échelle était haute, puis les hypothèses reliant la conscience de l’environnement avec les caractéristiques au travail, l’évaluation de la performance par un superviseur et l’engagement affectif furent supportées également. Un autre sondage complété par les gestionnaires (n=43) avait comme but une évaluation de la performance contextuelle des employés supervisés. Le développement de l’échelle à 24 items sur la conscience de l’environnement d’affaires pourrait répondre aux questions portant sur la participation de l’employé et l’efficacité organisationnelle.

Development of new scenario decomposition techniques for linear and nonlinear stochastic programming

Une approche classique pour traiter les problèmes d’optimisation avec incertitude à deux- et multi-étapes est d’utiliser l’analyse par scénario. Pour ce faire, l’incertitude de certaines données du problème est modélisée par vecteurs aléatoires avec des supports finis spécifiques aux étapes. Chacune de ces réalisations représente un scénario. En utilisant des scénarios, il est possible d’étudier des versions plus simples (sous-problèmes) du problème original. Comme technique de décomposition par scénario, l’algorithme de recouvrement progressif est une des méthodes les plus populaires pour résoudre les problèmes de programmation stochastique multi-étapes. Malgré la décomposition complète par scénario, l’efficacité de la méthode du recouvrement progressif est très sensible à certains aspects pratiques, tels que le choix du paramètre de pénalisation et la manipulation du terme quadratique dans la fonction objectif du lagrangien augmenté. Pour le choix du paramètre de pénalisation, nous examinons quelques-unes des méthodes populaires, et nous proposons une nouvelle stratégie adaptive qui vise à mieux suivre le processus de l’algorithme. Des expériences numériques sur des exemples de problèmes stochastiques linéaires multi-étapes suggèrent que la plupart des techniques existantes peuvent présenter une convergence prématurée à une solution sous-optimale ou converger vers la solution optimale, mais avec un taux très lent. En revanche, la nouvelle stratégie paraît robuste et efficace. Elle a convergé vers l’optimalité dans toutes nos expériences et a été la plus rapide dans la plupart des cas. Pour la question de la manipulation du terme quadratique, nous faisons une revue des techniques existantes et nous proposons l’idée de remplacer le terme quadratique par un terme linéaire. Bien que qu’il nous reste encore à tester notre méthode, nous avons l’intuition qu’elle réduira certaines difficultés numériques et théoriques de la méthode de recouvrement progressif.

Bidirectional Helmholtz Machines

L'entraînement sans surveillance efficace et inférence dans les modèles génératifs profonds reste un problème difficile. Une approche assez simple, la machine de Helmholtz, consiste à entraîner du haut vers le bas un modèle génératif dirigé qui sera utilisé plus tard pour l'inférence approximative. Des résultats récents suggèrent que de meilleurs modèles génératifs peuvent être obtenus par de meilleures procédures d'inférence approximatives. Au lieu d'améliorer la procédure d'inférence, nous proposons ici un nouveau modèle, la machine de Helmholtz bidirectionnelle, qui garantit qu'on peut calculer efficacement les distributions de haut-vers-bas et de bas-vers-haut. Nous y parvenons en interprétant à les modèles haut-vers-bas et bas-vers-haut en tant que distributions d'inférence approximative, puis ensuite en définissant la distribution du modèle comme étant la moyenne géométrique de ces deux distributions. Nous dérivons une borne inférieure pour la vraisemblance de ce modèle, et nous démontrons que l'optimisation de cette borne se comporte en régulisateur. Ce régularisateur sera tel que la distance de Bhattacharyya sera minisée entre les distributions approximatives haut-vers-bas et bas-vers-haut. Cette approche produit des résultats de pointe en terme de modèles génératifs qui favorisent les réseaux significativement plus profonds. Elle permet aussi une inférence approximative amérliorée par plusieurs ordres de grandeur. De plus, nous introduisons un modèle génératif profond basé sur les modèles BiHM pour l'entraînement semi-supervisé.