Menu principal

ACtive Multimodal mErging: from psychophysics to computational modeling to robotics – Modélisation de données psychophysiques de fusion de données

L'objectif de ce stage consiste en la modélisation de la condition active (i.e. avec saccade) et sa comparaison avec la condition passive (i.e. sans saccade). Elle étendra une modélisation existante de l'équipe utilisant le paradigme des champs neuronaux dynamiques (DNF), celui-ci étant compatible avec l’intégration d’anticipations sur la dynamique de l’environnement. Dans la littérature, des expériences de psychophysique montrent que dans le cas d’une modalité manquante, son influence diminue au fur et à mesure que sa précision ne peut être vérifiée dans l’environnement. Cela pourrait suggérer que le phénomène de capture visuelle serait plus prononcé dans le cas de la condition active (puisque l’information visuelle peut être explorée). Cependant les premières analyses de nos données expérimentales laissent entrevoir que le biais est dépendant de la cible de la saccade. La modélisation cherchera donc à expliquer ce phénomène, en particulier en s’intéressant aux différences inter-individuelles et inter-essais des participants, nos modèles permettant de les prendre en compte.

Plus d'informations ici: https://perso.liris.cnrs.fr/mathieu.lefort/jobs/stage/ACME/sujet.pdf


Mots-clés
fusion de données; Modélisation; Neurosciences computationnelles
Établissement
LIRIS - LABORATOIRE D'INFORMATIQUE EN IMAGES ET SYSTEMES D'INFORMATION
69622 VILLEURBANNE  
Site Web
https://perso.liris.cnrs.fr/mathieu.lefort
Date de début souhaitée
01/02/2023
Langues obligatoires
Anglais
Niveau
Bac +5
Prérequis

- master en intelligence artificielle, machine learning, science cognitives ou équivalent
- bonne capacité de programmation (Python, ...)
- curiosité scientifique et interdisciplinaire

Durée
5-6 mois
Indemnité
3.9€/h (environ 550€/mois)
Informations de contact

- Mathieu Lefort (mathieu.lefort@liris.cnrs.fr)
- Jean-Charles Quinton (quintonj@univ-grenoble-alpes.fr)