Séminaire « Systèmes complexes en sciences sociales »

Année 2021-2022

Jean-Pierre Nadal (directeur d’études à l’EHESS et directeur de recherche au CNRS) – référent principal pour ce séminaire.
Henri Berestycki (directeur d’études à l’EHESS)
Amandine Aftalion (directrice de recherche au CNRS)
Annick Vignes (directrice de recherche INRAE & professeure à l’ENPC)

Le séminaire « Systèmes complexes en sciences sociales » se tient (sauf mention contraire) tous les 1er et 3ème vendredis de cette année 2021-2022, à partir du 19 novembre (voir le site de l’Ehess), à 13h30, au 54 bd Raspail 75006 Paris, salle AS1-23 (1er sous-sol – salle accessible à partir de 13h).

La participation est libre dans la limite des places disponibles, et selon les mesures en vigueur liées à la crise sanitaire. Pour chaque séance, merci de s’inscrire ici. Un courriel de confirmation sera envoyé pour une participation en présentiel. Certaines séances seront aussi accessibles en visioconférence.

L’annonce du séminaire est diffusée sur les listes ehess : vie-scientifique, cams-infos, humanict.
Contact : jpnadal@ehess.fr

Présentation générale du Séminaire sur le site de l’EHESS, ici.

Jumelage
Ce séminaire est couplé au séminaire du même nom, Systèmes complexes en sciences sociales, qui a lieu à Toulouse et en visio-conférence, organisé par Michel Grossetti (CNRS & EHESS) et Bertrand Jouve (CNRS), labex SMS (Structuration des mondes sociaux), programme ici.

Prochaine séance, vendredi 3 décembre, voir ci-dessous.
A venir, autres séances actuellement programmées : 17 décembre, Antoine Mandel (Paris 1 Panthéon-Sorbonne) ; 7 janvier, Fernando Peruani (CY Cergy Paris Université) ; 21 janvier, Emmanuel Lazega (IUF & IEP Paris).
En 2022 nous accueillerons également : Antonin Pottier (EHESS), Venkat Venkatasubramian (Columbia University), Damien Challet (CentraleSupelec) ; Jérôme Sackur (LSCP, EHESS). Deux séances seront partagées par les 4 lauréats du prix de thèse Systèmes complexes de l’année 2021.

  • Vendredi 3 décembre, 13h30.

    Esteban Bautista Ruiz & Matthieu Latapy
    LIP6, CNRS – SU

    Title: « A frequency-structure decomposition for link streams »

    Slides: Part 1, Part 2

    Abstract: A link stream is a set of triplets (t, u, v) modeling interactions over time, such as person u calling v at time t, or bank account u transferring to v at time t. Effectively analyzing link streams is thus key for numerous applications. In practice, it is common to study link streams as a collection of time series or as a sequence of graphs, allowing to use time filters and graph filters to process the time and structural dimensions, respectively. However, time and structure are nested in link streams, meaning that time-domain operations can affect structure, and vice-versa. This calls for a frequency-structure representation that allows to characterize processing operations in both frequency and structure. Yet, it is hard to combine existing signal and graph decompositions as they do not interact well.

    To address this limitation, this work proposes a novel frequency-structure decomposition for link streams. Our decomposition allows us to analyze time via existing signal decompositions (Fourier, Wavelets, etc) and to analyze structure via a novel decomposition for graphs that is tailor-made to interact well with signal decompositions. This novel graph decomposition operates by partitioning the edge-space of graphs into regions and measuring the activity of regions, resulting in a set of coefficients that have several interesting properties to characterize the structural properties of graphs and that can be used to compare them. We show that the combination of our graph decomposition with signal decompositions leads to a set of coefficients that effectively encode the dynamical and structural properties of link streams in a simple matrix format. Then, we show that the properties of our decomposition make it easy to define time and graph filters in the frequency-structure domain and finish by showing how we can use filters to recover the backbone of a link stream.

  • Vendredi 19 novembre, 13h30.

    Jean-Pierre Nadal
    CNRS & EHESS – CAMS & LPENS
    Présentation du Séminaire de cette année universitaire 2021-2022, et exposé :
    « Perception catégorielle, entre cognition naturelle et cognition artificielle ».

    Résumé: La catégorisation, ou classification, est une capacité cognitive fondamentale. La catégorisation est également l’une des principales tâches auxquelles l’apprentissage machine (apprentissage profond en intelligence artificielle), s’attaque avec succès.
    Une conséquence perceptive bien connue de la catégorisation chez l’homme et les autres animaux, la perception catégorielle, est notamment caractérisée par une compression intra-catégorielle et une séparation inter-catégorielle : deux éléments, proches dans l’espace des stimulis, sont perçus plus proches s’ils appartiennent à la même catégorie que s’ils appartiennent à des catégories différentes.
    Cet exposé présentera un ensemble de résultats sur la modélisation des bases neurales de la perception catégorielle, avec ses implications sur, d’une part, la modélisation de la prise de décision chez l’homme et l’animal dans des tâches simples, et, d’autre part, l’analyse de l’apprentissage dans les réseaux de neurones artificiels.
    L’exposé s’appuiera sur des travaux effectués en collaboration avec Kevin Berlemont (NYU), Laurent Bonnasse-Gahot (EHESS, CAMS), Jean-Rémy Martin (ULB), et Jérôme Sackur (EHESS, LSCP).



Archives