Modélisation du codage neuronal de catégories et étude des conséquences perceptives

Neural coding of categories and perceptual consequences

• Auteur / Autrice : Laurent Bonnasse-Gahot
• Direction : Jean-Pierre Nadal
• Type : Thèse de doctorat
• Discipline(s) : Sciences cognitives
• Date : Soutenance en 2009
• Etablissement(s) : Paris, EHESS
• Ecole(s) doctorale(s) : École doctorale de l'École des hautes études en sciences sociales

Mots clés

Mots clés contrôlés

Réaction, Temps de

Perception

Catégorisation (linguistique)

Modèles mathématiques

Neurones

Psycholinguistique

Mots clés libres

Psycholingustique

Catégorisation

Temps de réaction

Information mutuelle

Résumé

À la croisée entre neurosciences théoriques et psycholinguistique, cette thèse s'intéresse au codage neuronal de catégories et cherche à étudier les conséquences perceptives résultant d'une représentation optimisée. On considère des situations où la catégorisation peut être difficile, c'est-à-dire pour lesquelles les catégories se chevauchent dans l'espace des stimuli (les voyelles d'une langue par exemple). Tirant profit d'une interprétation neurobiologique des modèles dits ''à exemplaires'' développés à l'origine en psychologie, et usant d'outils mathématiques issus de la théorie de l'information, ce travail propose une étude analytique de l'efficacité de codage d'une population de neurones vis-à-vis d'un ensemble de catégories. Par l'introduction d'une distance perceptive basée sur la divergence de Kullback-Leibler entre les activités neuronales évoquées par deux stimuli différents, on montre non seulement que la perception catégorielle émerge naturellement de l'apprentissage de catégories, mais également que divers phénomènes de prototypie (l'effet magnet par exemple) résultent d'une telle représentation. On propose enfin un modèle biologiquement plausible de décodage de l'information et on caractérise analytiquement les temps de réactions conséquents à l'identification de catégories. La formule obtenue donne une relation entre discrimination et temps de réponse. Tout au long de ce travail, les résultats analytiques font systématiquement l'objet d'une étude numérique ainsi que d'une comparaison qualitative, ou quantitative chaque fois que cela est possible, avec des données expérimentales issues des neurosciences ou d'études psycholinguistiques

At the crossroads between theoretical neuroscience and psycholinguistics, this dissertation deals with the neural coding of categories and aims at studying the perceptual consequences resulting from an optimized representation. The focus is on situations where categorization is difficult due to overlapping of categories in stimulus space (a system of vowels, for example). Taking advantage of a neurobiological interpretation of the so-called 'exemplar models' originally introduced in psychology, and using mathematical tools from information theory, this work proposes an analytic study of the coding efficiency of a neuronal population with respect to a discrete set of categories. Introducing a perceptual distance based on the Kullback-Leibler divergence between, patterns of neural activity evoked by two different stimuli, it is shown not only that categorical perception naturally emerges from category learning, but also that several prototypical effects (the magnet effect, for instance) result from an optimized representation. A plausible model of information decoding is finally proposed, and reaction times during an identification task are characterized analytically. The obtained formula gives a «relationship between discrimination accuracy and response time. In the present work, all the analytical results, that are derived are supported by numerical studies as well as by qualitative and quantitative comparisons with experimental data available in both the neuroscience and the psycholinguistics Iiterature