Suis nous sur
Alona Fyshe

Alona Fyshe

La nomination

  • Boursier ou boursière
  • Chercheur mondial ou chercheuse mondiale CIFAR-Azrieli 2016-2018
  • Titulaire de chaire en IA Canada-CIFAR
  • Apprentissage automatique, apprentissage biologique

Connect

ResearchGate

À Propos

Alona Fyshe est informaticienne de formation, mais ses recherches chevauchent plusieurs domaines, y compris : neuroscience, apprentissage automatique et linguistique informatique.

Dans son laboratoire,elle explore comment le cerveau humain traite et se représente la signification du langage (sémantique) et comment le c0erveau combine des mots pour créer une signification complexe (composition sémantique). Traditionnellement, les modèles sémantiques se fondent sur de grands ensembles de données composés de textes. Ces modèles ont une certaine utilité, mais pour créer des modèles sémantiques complets, il faut incorporer les connaissances expérientielles. Pour ce faire, on peut entres autres étudier la sémantique « in vivo », en ayant recours à des technologies d’imagerie cérébrale, comme l’IRMf et l’EEG.

Actuellement, les ensembles de données d’imagerie médicale sont très limités et il faut environ une heure par participant pour acquérir les données. Fyshe propose de réaliser l’imagerie cérébrale « sur le terrain » et demander aux participants d’enregistrer leurs propres images cérébrales à l’aide de systèmes d’EEG grand public installés à la maison. Cela permettra de créer des ensembles de données beaucoup plus vastes et elle pourra ainsi explorer plus à fond les complexités du langage. En outre, l’élaboration de techniques de collecte de données d’EEG de qualité à domicile pourrait changer la façon dont nous procédons à la détection et au diagnostic de troubles neurologiques, et comment nous faisons le suivi des interventions thérapeutiques en cas de maladie mentale.

Publications Pertinentes

  • Haoyan, Xu, Brian Murphy etAlona Fyshe. « BrainBench: A Brain-Image Test Suite for Distributional Semantic Models. » SIGDAT Conference on Empirical Methods for Natural Language Processing, Austin, Texas, 2016.
  • Fyshe, A. et coll. « Interpretable Semantic Vectors from a Joint Model of Brain- and Text-Based Meaning. » Annual meeting of the Association for Computational Linguistics, Baltimore, Maryland, 2014.
  • Wehbe, L. et coll. « Simultaneously uncovering the patterns of brain regions involved in different story reading subprocesses. » PLoS ONE 9, no 11(2014): e112575.
  • Fyshe, A. et coll. « Documents and Dependencies: an Exploration of Vector Space Models for Semantic Composition. » International Conference on Computational Natural Language Learning, Sofia, Bulgarie, 2013.
  • Sudre, G. et coll. « Tracking Neural Coding of Perceptual and Semantic Features of Concrete Nouns. » Neuroimage 62, no 1 (2012): 451–63.

Soutenez-nous

Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Ontario, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada