Search

The recent financial crisis has triggered radical criticism against financial markets. In this paper, we propose to analyse this criticism in the perspective drawn by Boltanski and Thevenot (1991/2006) around the notion of justification. We see the main debate as opposing the critics and the defenders of what can be identified as a Market order (Boltanski and Thevenot, 1991/2006). While the former regret the consequences of deregulation in financial markets, the latter insist on the preservation of regulatory options favouring market activity as much as possible. This debate however relies on the hypothesis that financial markets in general fit the ideal-type of the Walrasian market model. While this hypothesis might make sense as regards the description of stock markets (this refers to the so called market efficiency issue), it appears unrealistic when applied to the majority of modern financial markets. At least 80% of those are OTC markets where bilateral contracts are exchanged between counterparties in the absence of any centralized structure. Our thesis is that to be useful, a critical perspective on financial markets should take full account of the nature of OTC markets, which guarantees neither the transparency of prices nor the efficiency of competition mechanisms. We propose to characterize this nature using Boltanski and Chiapello's concept (1999/2008) of the Connexionnist World. We then emphasize the difficulty of the connexionnist grammar of worth to develop principles of justice in OTC markets, which are characterized by their despatialization and the infinity of potential members. We suggest potential tracks to struggle more efficiently against the drifts of the connexionnist logic as they arise on financial markets and their spillover effects on societies. The contribution of the paper is thus to provide a more precisely targeted critique of modern financial markets.

This thesis belongs to the computational neuroscience domain in which we aim at understanding complex cognitive functions with computer simulations built on the current knowledge of the brain. The proposed models and simulations are built on the paradigm of dynamic neural fields, that we use in order to study in which way complex congitive capabilities can be the emergent result of the interaction of elementary units.In this thesis, we are interested in the modelisation of visual attention, with and without eye movements. To guide the development of these models, we propose in the first part a review of the current psychological and physiological data on visual attention, before proposing a computational model of visual attention without saccadic eye movement. Then, we study in the second part the way we can integrate saccadic eye movements in our models based on the current anatomical and physiological data on the oculomotor control in the primate. The performances of the different proposed mechanisms are evaluated by simulating visual search tasks with saccadic eye movements.This work also makes us able to study a computational paradigm that relies on distributed, asynchronous, numerical and adaptive computation which permits to consider further developments of the proposed mechanisms on parallel architectures.; Cette thèse s'inscrit dans le domaine des neurosciences computationnelles dont le but est de modéliser des fonctions cognitives complexes par le biais de simulations informatiques et numériques en s'inspirant du fonctionnement cérébral. Les modèles et simulations proposées reposent sur le paradigme des champs neuronaux, que nous exploitons pour étudier dans quelle mesure des capacités cognitives complexes peuvent être le résultat émergeant de l'interaction de cellules élémentaires simples.Nous nous intéressons dans cette thèse à la modélisation de l'attention visuelle, avec ou sans mouvement oculaire. Pour guider le développement de nos modèles, nous proposons dans une première partie une revue de données psychologiques et physiologiques sur l'attention visuelle avant de proposer un modèle computationnel de l'attention visuelle sans saccade oculaire. Puis, nous nous intéressons dans une seconde partie à la manière dont on peut intégrer les saccades oculaires dans nos modèles en s'inspirant des données anatomiques et physiologiques sur le contrôle des saccades oculaires chez le primate. Les performances des différents mécanismes proposés sont évalués en simulation en les appliquant à des tâches de recherche visuelle.Nos travaux de thèse permettent également d'étudier un paradigme de calcul original qui repose sur des calculs distribués, asynchrones, numériques et adaptatifs qui permettent d'envisager le déploiement des mécanismes proposés dans ce cadre sur des supports de calculs parallèles.

International audience; The use of neural networks in finance began by the end of the 1980s and by the beginning of the 1990s, it developed specific applications related to forecasting on the failure of companies. In order to highlight the evolution of this research stream, we have retained and analysed 30 studies in which the authors use neural networks to solve companies' classification problems (healthy and failing firms). This review of all these works gives us the opportunity to stress upon future trends in bankruptcy forecasting research

Cet article fut présenté en 2003 lors d'un séminaire du laboratoire Matisse à la Maison des Sciences Economiques. Par la suite, une version remaniée fut traduite en anglais et publiée dans un numéro spécial du European Journal of Economic and Social Systems.; International audience; Nous posons ici la question de savoir sur la base de quel modèle épistémique les économistes peuvent aborder le thème de l'information et de la connaissance. Nous opposons, ce qui est banal dans le domaine de sciences cognitives, et ne l'est pas en économie, le paradigme computationniste et le paradigme connexionniste. Le paradigme computationniste s'articule bien avec le courant orthodoxe ainsi qu'avec sa forme amoindrie qui est le paradigme néo-rationaliste Simonien. Par contre, on doit s'interroger sur la façon dont se manifeste le paradigme connexionniste en économie. Nous montrons dans ce papier que la théorie évolutionniste de la firme selon Nelson et Winter constitue en fait, sans que les auteurs semblent l'avoir voulu ou explicité, une bonne illustration de l'approche connexionniste. Nous plaidons pour un programme de recherche exploitant systématiquement le paradigme connexionniste pour l'analyse de l'entreprise.

This thesis studies the use of connectionist algorithms for solving reinforcement learning problems. Connectionist algorithms are inspired by the way information is processed by the brain: they rely on a large network of highly interconnected simple units, which process numerical information in a distributed and massively parallel way. Reinforcement learning is a computational theory that describes the interaction between an agent and an environment: it enables to precisely formalize goal-directed learning from interaction.We have considered three problems, with increasing complexity, and shown that they can be solved with connectionist algorithms: 1) Reinforcement learning in a small state space: we exploit a well-known algorithm in order to build a connectionist network: the problem's paramaters are stored into weighted units and connections and the planning is the result of a distributed activity in the network. 2) Learning a representation for approximating a reinforcement learning problem with a large state space: we provide an algorithm for automatically building a state space partition in order to approximate a large problem. 3) Self-organization of specialized modules for approximating various reinforcement problems with a large state space: we exploit a ``divide and conquer'' approach and show that various tasks can efficiently be spread over a little number of specialized functional modules.; Cette thèse étudie l'utilisation d'algorithmes connexionnistes pour résoudre des problèmes d'apprentissage par renforcement. Les algorithmes connexionnistes sont inspirés de la manière dont le cerveau traite l'information : ils impliquent un grand nombre d'unités simples fortement interconnectées, manipulant des informations numériques de manière distribuée et massivement parallèle. L'apprentissage par renforcement est une théorie computationnelle qui permet de décrire l'interaction entre un agent et un environnement : elle permet de formaliser précisément le problème consistant à atteindre un certain nombre de buts via l'interaction.Nous avons considéré trois problèmes de complexité croissante et montré qu'ils admettaient des solutions algorithmiques connexionnistes : 1) L'apprentissage par renforcement dans un petit espace d'états : nous nous appuyons sur un algorithme de la littérature pour construire un réseau connexionniste ; les paramètres du problème sont stockés par les poids des unités et des connexions et le calcul du plan est le résultat d'une activité distribuée dans le réseau. 2) L'apprentissage d'une représentation pour approximer un problème d'apprentissage par renforcement ayant un grand espace d'états : nous automatisons le procédé consistant à construire une partition de l'espace d'états pour approximer un problème de grande taille. 3) L'auto-organisation en modules spécialisés pour approximer plusieurs problèmes d'apprentissage par renforcement ayant un grand espace d'états : nous proposons d'exploiter le principe "diviser pour régner" et montrons comment plusieurs tâches peuvent être réparties efficacement sur un petit nombre de modules fonctionnels spécialisés.

Some paradoxes of the concept : "internal model". This paper analyses the relations between "internal model" and "representation", specially with reference to both "Cartesian theatre" and "endless regression of homunculi" problematics. Two specific models are studied : the neural representation of social world by P. Churchland and the theory of neuronal group selection by G. Edelman. Epistemological stakes concern the concepts of model and of representation in each approach, in relation with epistemology of mathematical modelling in biology, as with robotics. We finally take up the relations with Merleau-Ponty's work in phenomenology., Les relations entre «modèle interne » et «représentation » sont analysées en lien avec la problématique du «théâtre cartésien» et la métaphore des «homoncules emboîtés ». Deux modélisations particulières sont étudiées : la représentation neurale du monde social de P. Churchland et la théorie de la sélection des groupes neuronaux de G. Edelman. L'analyse épistémologique porte sur les concepts de modèle et de représentation dans chaque démarche, en lien avec l'épistémologie de la modélisation mathématique en biologie, et en relation avec les travaux sur la robotique. Un rapprochement est finalement proposé avec les perspectives phénoménologiques de Merleau-Ponty., Feltz Bernard. 2.1. Les paradoxes liés au concept de modèle interne. In: Intellectica. Revue de l'Association pour la Recherche Cognitive, n°36-37, 2003/1-2. Repenser le corps l'action et la cognition avec les neurosciences, sous la direction de Jean-Luc Petit. pp. 127-141.

Colloque avec actes et comité de lecture. internationale.; International audience; This paper presents an original connectionist architecture that is capable of adapting its representation to one or various reinforcement problems. We briefly describe the generic reinforcement learning theory it is based on. We focus on distributed algorithms that enables efficient planning. In this specific framework, we define the notion of task-specialisation and propose a procedure for adapting a task model without increasing its complexity. It consists in a high-level learning of representation in problems with possibly delayed reinforcements. We show that such a single architecture can adapt to multiple tasks. Finally we stress its connectionist nature: most computations can be distributed and done in parallel. We illustrate and evaluate this adaptation paradigm on a navigation continuous-space environment.

Une première version de ce papier a été présentée à la conférence ACSG de novembre 2001 à Rennes. Une seconde version, en anglais, fut publiée dans un ouvrage collectif édité chez Kluwer (2003 : Issues and dilemmas in cognitive economics, in : Connectionist Approaches in Economics and Management Sciences (C. Lesage et M. Cottrell eds), Kluwer Academic Publishers). La présente version, qui est une amélioration de la version de novembre 2001 servit de base à la conférence du 23 janvier 2003 faite dans le cadre du séminaire pluridisciplinaire annuel de l'Université de Technologie de Compiègne (UTC).; Le thème de l'information et de la connaissance est relativement récent en économie. Nous retraçons historiquement son émergence et nous présentons les théorisations proposées initialement. Non pas par souci de rappeler les éléments d'une histoire d'ailleurs pas encore écrite, mais simplement pour rappeler les questionnements qui sont à l'origine des problématiques existantes. Nous abordons deux problèmes. D'une part celui de savoir en quoi pourrait consister un programme de recherche en « économie cognitive ». D'autre part nous posons la question de savoir sur la base de quel modèle épistémique les économistes peuvent aborder le thème de l'information et de la connaissance. Nous opposons, ce qui est banal dans le domaine de sciences cognitives, et qui l'est beaucoup moins en économie, le paradigme computationniste et le paradigme connexioniste. Grosso modo, le paradigme computationniste s'articule bien avec le courant orthodoxe ainsi qu'avec sa forme amoindrie qui est le paradigme néo-rationaliste Simonien. Simon est d'ailleurs l'un des pères fondateurs du computationnisme. Nous critiquons plus particulièrement les axiomes de la logique épistémique telle qu'elle se manifeste aujourd'hui en théorie des jeux et sur la base de laquelle B. Walliser entend fonder un programme derecherche en économie cognitive. Par contre, on peut s'interroger sur la façon dont pourrait se manifester le paradigme connexioniste en économie. Nous montrons dans ce papier que la théorie évolutionniste de la firmes selon Nelson et Winter constitue en fait, sans que les auteurs semblent en avoir conscience, une bonne illustration de l'approche connexioniste en économie.

International audience; The design and topology of a neural network is still an important and difficult task. To solve the problems of topology posed by the introduction of connexionism, new approaches are proposed, and especially a combination of induction rules with a statistical estimation of the neuron coefficients for each layer. This research aims to compare an algorithm of this SLN approach with traditional methods (regression and classical BP neural networks) using the gradient method. Methods are put into application to determine the price-quality relationship of a complex product, the automobile, according to the hedonic price model. This application of the price-quality relationship to the English automobile market leads to the conclusion that the claimed superiority of this approach is unsubstantiated since, compared to the BP neural networks and even linear regression, the performance of the GMDH method is inferior.

Contribution à un ouvrage.; Whereas classical connectionist models can hardly cope with difficult dynamic tasks with a strong temporal factor, many temporal mechanisms inspired with neurobiological data has been proposed in the past and yield efficient time processing properties. The goal of this chapter is to show that, beyond these isolated mechanisms, their integration in a more general architectural and functional framework can potentiate their power and make them usable for non trivial behavioral tasks. We propose a cerebral framework, from the neuronal to the behavioral level, and give some applicative illustrations that underline the encouraging results obtained today.