Thèse soutenue

Modélisation cognitive computationnelle de l'apprentissage inductif de chunks basée sur la théorie algorithmique de l'information
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Vivien Robinet
Direction : Mirta B. GordonBenoît Lemaire
Type : Thèse de doctorat
Discipline(s) : Sciences cognitives
Date : Soutenance en 2009
Etablissement(s) : Grenoble INPG

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

Cette thèse présente un modèle cognitif computationnel de l’apprentissage inductif qui se base d’une part sur le MDL et d’autre part sur le mécanisme de chunking qui est à la base de nombreux modèles cognitifs. Le MDL est quant à lui utilisé comme formalisation du principe de simplicité. Il permet d’implémenter la notion de simplicité grâce au concept clairement défini de taille de codage. Les résultats théoriques correspondants peuvent être établis grâce à la complexité de Kolmogorov dont le MDL fournit une approximation calculable. Utilisant ces deux mécanismes, le modèle proposé est capable de générer automatiquement la représentation la plus courte d’un ensemble de stimuli discrets. Les représentations ainsi produites sont comparées à celles créées par des participants humains confrontés aux mêmes stimuli. Le but de cette thèse est d’évaluer à la fois les fondements théoriques et l’efficacité pratique du principe de simplicité dans le cadre de la modélisation cognitive.