Modélisation bayésienne algorithmique de la reconnaissance visuelle de mots et de l’attention visuelle - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2018

Algorithmic Bayesian modeling of visual word recognition and visual attention

Modélisation bayésienne algorithmique de la reconnaissance visuelle de mots et de l’attention visuelle

Thierry Phénix
  • Fonction : Auteur
  • PersonId : 982211

Résumé

In this thesis, we propose an original theoretical framework of visual word recognition, and implement it mathematically to evaluate its ability to reproduce experimental observations of the field. A critical review of previous computational models leads us to define specifications in the form of a set of five hypotheses, that form the basis of the proposed theoretical framework: the model is built on a three-layer architecture (sensory, perceptual, lexical); letter processing is parallel; positional coding is distributed; finally, sensory processing involves gaze position, visual acuity, and visual attention distribution. To implement the model, we rely on the Bayesian algorithmic modeling methodology, and define the BRAID model (for “Bayesian word Recognition with Attention, Interference and Dynamics”). We verify the model’s ability to account for main experimental observations of studies of letter perceptibility (for instance, the word and pseudo-word superiority effects, the context effects), and of visual word recognition and lexical decision (for instance, the frequency effects and neighborhood effects). Overall, we successfully simulate 28 behavioral experiments, accounting for subtle effects in each domain. We discuss the theoretical hypotheses underlying the model in light of our experimental results, and propose various possible extensions of the model, highlighting the flexibility of the chosen framework.
Dans cette thèse, nous proposons un nouveau modèle conceptuel de la reconnaissance visuelle de mots implémenté sous forme mathématique de façon à évaluer sa capacité à reproduire les observations expérimentales du domaine. Une revue critique des modèles computationnels existants nous conduit à définir un cahier des charges sous la forme de cinq hypothèses qui sont à la base du modèle conceptuel proposé : le modèle est doté d’une architecture à trois niveaux (sensoriel, perceptif et lexical) ; le traitement est parallèle sur l’ensemble des lettres du stimulus ; l’encodage positionnel est distribué ; enfin, le traitement sensoriel des lettres intègre position du regard, acuité visuelle et distribution de l’attention visuelle. L’implémentation re- pose sur la méthodologie de la modélisation bayésienne algorithmique, conduisant au modèle BRAID (pour « Bayesian word Recognition with Attention, Interference and Dynamics »). Nous vérifions la capacité du modèle à rendre compte des données obtenues en perceptibilité des lettres (par exemple, effets de supériorité des mots et des pseudo-mots, effets de contexte), en reconnaissance de mots et en décision lexicale (par exemple, effets de fréquence et de voisinage). Au total, nous simulons avec succès 28 expériences comportementales, permettant de rendre compte d’effets subtils dans chacun des domaines ciblés. Nous discutons les choix théoriques du modèle à la lumière de ces résultats expérimentaux, et proposons des perspectives d’extension du modèle, soulignant la flexibilité du formalisme choisi.
Fichier principal
Vignette du fichier
Thesis.pdf (12.45 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-01735606 , version 1 (16-03-2018)

Identifiants

  • HAL Id : tel-01735606 , version 1

Citer

Thierry Phénix. Modélisation bayésienne algorithmique de la reconnaissance visuelle de mots et de l’attention visuelle. Sciences cognitives. Ecole doctorale : Ingénierie pour la santé la Cognition et l'Environnement, 2018. Français. ⟨NNT : ⟩. ⟨tel-01735606⟩
246 Consultations
342 Téléchargements

Partager

Gmail Facebook X LinkedIn More