Master Thesis Online
Modélisation computationnelle de la familiarité absolue et relative selon un apprentissage de type Hebbien ou anti-Hebbien
Warnier, William 
Promoteur(s) :
Sougné, Jacques
;
Delhaye, Emma
Date de soutenance : 1-sep-2025/9-sep-2025 • URL permanente : http://hdl.handle.net/2268.2/24733
s171879_WARNIER_2025.pdfDétails
| Titre : | Modélisation computationnelle de la familiarité absolue et relative selon un apprentissage de type Hebbien ou anti-Hebbien |
| Titre traduit : | [en] Computational modeling absolute and relative familiarity via Hebbian our anti-Hebbien learning rules |
| Auteur : | Warnier, William
|
| Date de soutenance : | 1-sep-2025/9-sep-2025 |
| Promoteur(s) : | Sougné, Jacques
Delhaye, Emma
|
| Membre(s) du jury : | Defays, Daniel
Baudet, David
|
| Langue : | Français |
| Nombre de pages : | 54 |
| Mots-clés : | [en] neurscience [en] model [en] familiarity [en] artificial neurons |
| Discipline(s) : | Sciences sociales & comportementales, psychologie > Neurosciences & comportement |
| Commentaire : | Read, J., Delhaye, E., & Sougné, J. (2024). Computational models can distinguish the contribution from different mechanisms to familiarity recognition. Hippocampus, 34(1), 36‑50. https://doi.org/10.1002/hipo.23588 |
| Public cible : | Chercheurs Professionnels du domaine Etudiants Grand public |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master en sciences psychologiques, à finalité spécialisée |
| Faculté : | Mémoires de la Faculté de Psychologie, Logopédie et Sciences de l’Education |
Résumé
[fr] Ce mémoire vise à modéliser la familiarité absolue et relative dans un réseau de neurones artificiels par une règle d'apprentissage Hebbienne et anti-Hebbien, respectivement. A partir du modèle proposé par Read et al. (2024), une architecture combinant ResNet50 et un module mnésique a été mise en oeuvre. Les simulations, menées sur des ensembles d'images de familiarité absolue variable, montrent que la règle d'apprentissage et le niveau de familiarité absolue influence les performances du modèle dans un tâche de reconnaissance de type "Oui/Non".
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
