Thèse Toufic ANTORY

Titre de la thèse : Échantillonage dynamique bayesienne et l'accumulation d'évidence : le rôle des mouvents oculaires et la modulation des activités cérébrales dans la modélisation de la prise de décision visuelle
Dynamic Bayesian sampling and evidence accumulation : role of eye movements and EEG frequency-band modulations in a comprehensive computational model of perceptual decision making

Résumé du projet de thèse : Alors que les modèles actuels de perception multistable utilisent principalement des statistiques descriptives (par exemple, temps relatif moyen passé dans un état perceptif ou probabilités de transition estimées entre différents états perceptuels ; souvent combinées dans une chaîne semi-markovienne), notre objectif est d'évoluer vers un modèle prédictif. , intégrant les mouvements oculaires et les fréquences caractéristiques de l'électroencéphalographie (EEG) dans le modèle afin de prédire le temps de transition perceptuelle à venir. Le processus perceptuel sous-jacent est supposé être composé de (i) un processus de bruit non stationnaire superposé à (ii) une intégration de preuves constructives (en faveur d'un état perceptuel particulier) et destructrices (opposées à un état perceptuel particulier). Ainsi, l’hypothèse d’échantillonnage bayésien est étendue à un cadre de vision active, c’est-à-dire un processus de dérive-diffusion avec un taux de diffusion variable dans le temps, correspondant à une modulation de la vigilance. Cette modulation est censée se manifester par une modulation des amplitudes EEG dans la bande alpha et⋅ou gamma ou par une variabilité plus élevée des positions de visualisation reportées sur l'écran. Une composante de dérive variable dans le temps sera déduite des positions du regard et des marqueurs EEG qui seront utilisés pour les preuves intégrées au fil du temps.

Résumé du projet de thèse en anglais : Whereas current models of multistable perception mainly use descriptive statistics (for instance, mean relative time spent in a perceptual state or estimated transition probabilities between different perceptual states; often combined into a semi-Markov chain), our aim is to move toward a predictive model, integrating eye movements and characteristic electro-encephalography (EEG) frequencies within the model as to predict the upcoming perceptual transition time. The underlying perceptual process is assumed to be composed of (i) a non-stationary noise process superimposed to (ii) an integration of constructive (in favour of a particular perceptual state) and destructive (opposed to a particular perceptual state) evidence. As such, the Bayesian sampling hypothesis is extended to an active vision framework, i.e., a drift-diffusion process with a time-varying diffusion rate, corresponding to a modulation of vigilance. This modulation is supposed to manifest itself as a modulation of the EEG amplitudes in the alpha and⋅or gamma band or higher variability in the viewing positions reported on the screen. A time-varying drift component will be inferred from both gaze positions and EEG markers that will be used for the integrated evidence over time

 

Mots-clés de la thèse : processus de dérive--diffusion,prise de décision perceptuelle;,échantillonage bayesienne,perception visuelle multistable,
drift--diffusion process,perceptual decision making,Bayesian sampling,multistable visual perception,

Encadrement de la thèse
- Direction de thèse : Ronald PHLYPO - 04 76 82 64 86 - ronald.phlypogipsa-lab.grenoble-inp.fr (ronald[dot]phlypo[at]gipsa-lab[dot]grenoble-inp[dot]fr) - Quotité de temps : 50 % - grade MCFHC
- Co-encadrant de thèse : Alan CHAUVIN - alan.chauvinuniv-grenoble-alpes.fr (alan[dot]chauvin[at]univ-grenoble-alpes[dot]fr) - Quotité de temps : 50 % - grade MCF

CNU de thèse : 61 - Génie informatique, automatique et traitement du signal