Les animaux et les systèmes artificiels sont tous deux confrontés à un problème d’inférence sur leurs environnements et à un choix de réponses appropriées fondées sur des données incomplètes, incertaines et bruitées.

Les modèles et algorithmes probabilistes sont en plein essor dans les sciences de la vie et de l’information comme étant un moyens de comprendre le comportement des sujets et les traitements neuronaux qu’ils impliques, ainsi que de construire des robots et des agents artificiels qui peuvent fonctionner efficacement dans de telles circonstances.

L’objectif de cette école d’hiver est de présenter les dernières avancées dans ce domaine et en particulier d’aborder les questions suivantes :

  •  La théorie des probabilités comme une alternative à la logique (Pierre Bessière - CNRS, Grenoble )
  •  L’apprentissage statistique (Samy Bengio - Google, Mountain View )
  •  Modèles probabilistes du système nerveux central (Sophie Denève - Ecole Normale Supérieur, Paris )
  •  Évaluation approximative du calcul Bayésien (Vaclav Smidl - UTIA, Prague )
  •  Probabilistic Robotics (Wolfram Burgard - Universität Freiburg )
  •  Interprétation probabiliste des données physiologiques et psychophysique (Jacques Droulez - Collège de France, à Paris )
  •  Les applications industrielles (Emmanuel Mazer - ProBAYES, Grenoble )

    Cette école d’hiver est un prolongement de l’atelier Cognition Bayésienne qui s’est tenu à Paris en janvier 2006.