Alona Fyshe
Titre
- Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
- Membre
- Titulaire de chaire en IA Canada-CIFAR
- Apprentissage automatique, apprentissage biologique
- Stratégie pancanadienne en matière d’IA
À Propos
Alona Fyshe est membre du programme Apprentissage automatique, apprentissage biologique du CIFAR, membre du programme de chercheurs mondiaux CIFAR-Azrieli 2016-2018 et titulaire d’une chaire en IA Canada-CIFAR à l’Amii. Elle est professeure adjointe à l’Université de l’Alberta.
Alona Fyshe est une informaticienne de formation, mais ses recherches chevauchent de multiples domaines, notamment les neurosciences, l’apprentissage automatique et la linguistique informatique. Son laboratoire explore la façon dont le cerveau humain traite et représente le sens du langage (sémantique) et comment il combine les mots pour obtenir un sens complexe (composition sémantique). Traditionnellement, les modèles de sémantique étaient fondés sur de grands ensembles de données textuelles. Ils sont utiles jusqu’à un certain point, mais pour construire des modèles sémantiques complets, il faut intégrer des connaissances expérientielles. Une façon d’y parvenir est d’étudier la sémantique « in vivo », en utilisant des technologies d’imagerie cérébrale telles que l’IRMf et l’EEG.
Actuellement, les ensembles de données d’imagerie cérébrale sont restreints et ne représentent qu’environ une heure d’acquisition par participant. Alona Fyshe propose de déplacer l’imagerie cérébrale sur le terrain, en demandant aux gens d’enregistrer leurs propres images cérébrales à l’aide de systèmes EEG grand public installés à domicile. Cela produira des ensembles de données beaucoup plus importants, ce qui lui permettra d’explorer en profondeur les complexités du langage.
Publications Pertinentes
- Haoyan, X., Murphy, B., Fyshe, A. (2016). « BrainBench: A Brain-Image Test Suite for Distributional Semantic Models », SIGDAT Conference on Empirical Methods for Natural Language Processing, Austin, Texas.
- Fyshe, A., Talukdar, P.P, Murphy, B., Mitchell, T.M. (2014). « Interpretable Semantic Vectors from a Joint Model of Brain- and Text-Based Meaning », Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics, 1:489-499.
- Wehbe, L., Murphy, B., Talukdar, P., Fyshe, A. et coll. (2014). « Simultaneously Uncovering the Patterns of Brain Regions Involved in Different Story Reading Subprocesses », PLoS One, 9(11):e112575.
- Fyshe, A., Murphy, B., Talukdar, P., Mitchell, T. (2013). « Documents and Dependencies: an Exploration of Vector Space Models for Semantic Composition », Proceedings of the Seventeenth Conference on Computational Natural Language Learning, p. 84-93.
- Sudre, G., Pomerleau, D., Palatucci, M., Wehbe, L., Fyshe, A. et coll. (2012). « Tracking Neural Coding of Perceptual and Semantic Features of Concrete Nouns », Neuroimage, 62(1):451-463, doi: 10.1016/j.neuroimage.2012.04.048
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, 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