DOMAINES 

1. Modèles stochastiques d'apprentissage   
2. Analyse de la variance & Données structurées
3. Inférence  Combinatoire - Test du hasard
4. Inférence bayésienne - Inférence fiduciaire
5. Analyse Géométrique  des données
6. Régression

Les modèles stochastiques d'apprentissage (Stochastic Models for Learning) ont été un des domaines d'élection de la Mathematical Psychology, au tournant des années 1960, avant  de connaître une métamorphose avec les neural networks des années 1980. 

 Mes travaux avec Suppes,  prolongés par ma thèse de 3ème cycle  (Rouanet, 1967), et par ma recherche avec Jean-François Richard  (1968a), m'ont  apporté une maîtrise de l'outil probabiliste dans le cas des données séquentielles,  laquelle m'a considérablement servi  dans mes travaux bayésiens, envisagés du point de vue de l'"apprentissage par l'expérience", comme  la recherche Bernard, Blancheteau  & Rouanet (1985).

Principales Publications

Suppes P. ,  Rouanet H. (1964a). A simple discrimination experiment with a continuum of responses, in R. C. Atkinson (Ed. ) Studies in Mathematical Psychology, pp. 317-357, Stanford, Stanford University Press. Ou voir le site de Stanford
Suppes P.  Rouanet H. ,  Levine M., Frankman R. (1964b).  Empirical comparison of models for a continuum of responses with noncontingent bimodal reinforcement (1964.b) , in R.C. Atkinson (Ed.) Studies in Mathematical Psychology , pp. 358-378,  Stanford University Press. Ou voir le site de Stanford

Rouanet  H. (1967) Les modèles stochastiques d'apprentissage, Préface de Jean-Marie Faverge . Paris, Mouton Gautier-Villars.

Retour à la page d'accueil