Search

What is the content and the format of visual memories in Long Term Memory (LTM)? Is it similar in adults and children? To address these issues, we investigated, in both adults and 9-year-old children, how visual LTM is affected over time and whether visual vs semantic features are affected differentially. In a learning phase, participants were exposed to hundreds of meaningless and meaningful images presented once or twice for either 120ms or 1920ms. Memory was assessed using a recognition task either immediately after learning or after a delay of three or six weeks. The results suggest that multiple and extended exposures are crucial for retaining an image for several weeks. Although a benefit was observed in the meaningful condition when memory was assessed immediately after learning, this benefit tended to disappear over weeks, especially when the images were presented twice for 1920ms. This pattern was observed for both adults and children. Together, the results call into question the dominant models of LTM for images: although semantic information enhances the encoding & maintaining of images in LTM when assessed immediately, this seems not critical for LTM over weeks.

Mavritsaki, Heinke, Preface. Graham, Cutsuridis, Dynamical Information Processing in the CA1 Microcircuit of the Hippocampus. Thorpe, Why Connectionist Models Need Spikes. Deco, Rolls, Stochastic Neuro-Dynamical Computation of Brain Functions. Humphreys, Mavritsaki, Allen, Heinke, Deco, Application of Neural Level Model to Human Visual Search: Modelling the Whole System Behaviour, Neuropsychological Break Down and Neural Signal Response. Heinke, Mavritsaki, Backhaus, Kreyling, The Selective Attention for Identification Model (SAIM): A Framework for Closing the Gap Between Behaviour and Neurological Level. Gurney, Computational Models in Neuroscience: From Membrane to Robots. Zhaoping, May, Koene, Some Finger Prints of V1 Mechanisms in the Bottom up Saliency for Visual Selection. Trappenberg, Decision Making and Population Decoding with Strongly Inhibitory Neural Field Models. Bullinaria, The Importance of Neurophysiological Constraints for Modelling the Emergence of Modularity. Ward, Ward, Selective Attention in Linked, Minimally Cognitive Agents. Kropff, Full Solution for the Storage of Correlated Memories in an Autoassociative Memory. Mozer, Wilder, A Unified Theory of Exogenous and Endogenous Attentional Control. Friston, Stephan, Kiebel, Free-Energy, Value and Neuronal Systems. Sloman, Architecture and Representation Requirements for Seeing Processes and Affordances. Heinke, Computational Modelling in Behavioural Neuroscience: Methodologies and Approaches - Minutes of Discussions at the Workshop in Birmingham, UK in May 2007

Reaction of the salts bis[4-(4-alkoxystyryl)pyridinato]silver(I) trifluoromethanesulfonate {[Ag(n-OPhVPy)2][CF3SO3]} with sodium octyl sulfate (NaOS) in acetone leads to the metathesised product [Ag(n-OPhVPy)2][OS] in good yield. These octylsulfate salts are mesomorphic showing a nematic phase at short chain lengths and SC and SA phases at longer chain lengths. The single-crystal X-ray structure of the methoxy homologue has four molecules in the unit cell which are arranged as two crystallographically independent, centrosymmetric pairs linked by a hydrogen-bonded water molecule. Each pair of silver atoms is bridged by two sulfate groups with Ag — O distances longer than those normally associated with covalent bonds.

The current dissertation presents an ERP-investigation of metrical stress processing in French. Indeed, while metrical stress is well known to play an invaluable role in speech comprehension, its functions in French speech processing are unclear. French is a language traditionally described as having no accent. This dissertation questions the traditional view and aligns to two metrical models on French accentuation, which propose stress to be encoded in cognitive templates underlying the abstract representation of the word. In our interdisciplinary investigation of metrical stress processing in French, we take a functional, yet metrically rooted, approach. We use the method of Event-Related Potentials (ERP), which provides us with a highly sensitive and temporally precise measure allowing us to determine whether there is metrical stress in French, and to what extent metrical stress aids the listener in speech comprehension. We will show that metrical stress facilitates processing throughout French comprehension and argue for metrical stress, as well as the domain of the word, to be given a more prominent place in the descriptions of French prosody.; La thèse actuelle présente une étude ERP du traitement du stress métrique en français. En effet, l'accentuation métrique joue un rôle important dans la compréhension des langues comme l'anglais et le néérlandais, mais son rôle dans le traitement du français n'est pas bien connu. Le français est une langue traditionnellement décrite sans accent. Cette thèse remet en question cette vision traditionnelle et s'aligne sur deux modèles métriques d'accentuation français, proposant que l'accent est encodé dans des patrons cognitifs sous-jacents. Dans notre étude interdisciplinaire en français sur le traitement des contraintes métriques, nous adoptons une approche fonctionnelle. Nous utilisons la méthode des potentiels évoqués (ERP), qui nous fournit une mesure extrêmement sensible et précise nous permettant de déterminer s’il existe un accent métrique en français et dans quelle mesure l'accent métrique aide l’auditeur à comprendre la parole. Nous montrerons que l'accent métrique facilite le traitement de la parole en français.

The current dissertation presents an ERP-investigation of metrical stress processing in French. Indeed, while metrical stress is well known to play an invaluable role in speech comprehension, its functions in French speech processing are unclear. French is a language traditionally described as having no accent. This dissertation questions the traditional view and aligns to two metrical models on French accentuation, which propose stress to be encoded in cognitive templates underlying the abstract representation of the word. In our interdisciplinary investigation of metrical stress processing in French, we take a functional, yet metrically rooted, approach. We use the method of Event-Related Potentials (ERP), which provides us with a highly sensitive and temporally precise measure allowing us to determine whether there is metrical stress in French, and to what extent metrical stress aids the listener in speech comprehension. We will show that metrical stress facilitates processing throughout French comprehension and argue for metrical stress, as well as the domain of the word, to be given a more prominent place in the descriptions of French prosody., La thèse actuelle présente une étude ERP du traitement du stress métrique en français. En effet, l'accentuation métrique joue un rôle important dans la compréhension des langues comme l'anglais et le néérlandais, mais son rôle dans le traitement du français n'est pas bien connu. Le français est une langue traditionnellement décrite sans accent. Cette thèse remet en question cette vision traditionnelle et s'aligne sur deux modèles métriques d'accentuation français, proposant que l'accent est encodé dans des patrons cognitifs sous-jacents. Dans notre étude interdisciplinaire en français sur le traitement des contraintes métriques, nous adoptons une approche fonctionnelle. Nous utilisons la méthode des potentiels évoqués (ERP), qui nous fournit une mesure extrêmement sensible et précise nous permettant de déterminer s’il existe un accent métrique en français et dans quelle mesure l'accent métrique aide l’auditeur à comprendre la parole. Nous montrerons que l'accent métrique facilite le traitement de la parole en français.

The last decade has seen the re-emergence of machine learning methods based on formal neural networks under the name of deep learning. Although these methods have enabled a major breakthrough in machine learning, several obstacles to the possibility of industrializing these methods persist, notably the need to collect and label a very large amount of data as well as the computing power necessary to perform learning and inference with this type of neural network. In this thesis, we propose to study the adequacy between inference and learning algorithms derived from biological neural networks and massively parallel hardware architectures. We show with three contribution that such adequacy drastically accelerates computation times inherent to neural networks. In our first axis, we study the adequacy of the BCVision software engine developed by Brainchip SAS for GPU platforms. We also propose the introduction of a coarse-to-fine architecture based on complex cells. We show that GPU portage accelerates processing by a factor of seven, while the coarse-to-fine architecture reaches a factor of one thousand. The second contribution presents three algorithms for spike propagation adapted to parallel architectures. We study exhaustively the computational models of these algorithms, allowing the selection or design of the hardware system adapted to the parameters of the desired network. In our third axis we present a method to apply the Spike-Timing-Dependent-Plasticity rule to image data in order to learn visual representations in an unsupervised manner. We show that our approach allows the effective learning a hierarchy of representations relevant to image classification issues, while requiring ten times less data than other approaches in the literature., Cette dernière décennie a donné lieu à la réémergence des méthodes d'apprentissage machine basées sur les réseaux de neurones formels sous le nom d'apprentissage profond. Bien que ces méthodes aient permis des avancées majeures dans le domaine de l'apprentissage machine, plusieurs obstacles à la possibilité d'industrialiser ces méthodes persistent, notamment la nécessité de collecter et d'étiqueter une très grande quantité de données ainsi que la puissance de calcul nécessaire pour effectuer l'apprentissage et l'inférence avec ce type de réseau neuronal. Dans cette thèse, nous proposons d'étudier l'adéquation entre des algorithmes d'inférence et d'apprentissage issus des réseaux de neurones biologiques pour des architectures matérielles massivement parallèles. Nous montrons avec trois contributions que de telles adéquations permettent d'accélérer drastiquement les temps de calculs inhérents au réseaux de neurones. Dans notre premier axe, nous réalisons l'étude d'adéquation du moteur BCVision de Brainchip SAS pour les plate-formes GPU. Nous proposons également l'introduction d'une architecture hiérarchique basée sur des cellules complexes. Nous montrons que l'adéquation pour GPU accélère les traitements par un facteur sept, tandis que l'architecture hiérarchique atteint un facteur mille. La deuxième contribution présente trois algorithmes de propagation de décharges neuronales adaptés aux architectures parallèles. Nous réalisons une étude complète des modèles computationels de ces algorithmes, permettant de sélectionner ou de concevoir un système matériel adapté aux paramètres du réseau souhaité. Dans notre troisième axe nous présentons une méthode pour appliquer la règle Spike-Timing-Dependent-Plasticity à des données images afin d'apprendre de manière non-supervisée des représentations visuelles. Nous montrons que notre approche permet l'apprentissage d'une hiérarchie de représentations pertinente pour des problématiques de classification d'images, tout en nécessitant dix fois moins de données que les autres approches de la littérature.

The last decade has seen the re-emergence of machine learning methods based on formal neural networks under the name of deep learning. Although these methods have enabled a major breakthrough in machine learning, several obstacles to the possibility of industrializing these methods persist, notably the need to collect and label a very large amount of data as well as the computing power necessary to perform learning and inference with this type of neural network. In this thesis, we propose to study the adequacy between inference and learning algorithms derived from biological neural networks and massively parallel hardware architectures. We show with three contribution that such adequacy drastically accelerates computation times inherent to neural networks. In our first axis, we study the adequacy of the BCVision software engine developed by Brainchip SAS for GPU platforms. We also propose the introduction of a coarse-to-fine architecture based on complex cells. We show that GPU portage accelerates processing by a factor of seven, while the coarse-to-fine architecture reaches a factor of one thousand. The second contribution presents three algorithms for spike propagation adapted to parallel architectures. We study exhaustively the computational models of these algorithms, allowing the selection or design of the hardware system adapted to the parameters of the desired network. In our third axis we present a method to apply the Spike-Timing-Dependent-Plasticity rule to image data in order to learn visual representations in an unsupervised manner. We show that our approach allows the effective learning a hierarchy of representations relevant to image classification issues, while requiring ten times less data than other approaches in the literature.; Cette dernière décennie a donné lieu à la réémergence des méthodes d'apprentissage machine basées sur les réseaux de neurones formels sous le nom d'apprentissage profond. Bien que ces méthodes aient permis des avancées majeures dans le domaine de l'apprentissage machine, plusieurs obstacles à la possibilité d'industrialiser ces méthodes persistent, notamment la nécessité de collecter et d'étiqueter une très grande quantité de données ainsi que la puissance de calcul nécessaire pour effectuer l'apprentissage et l'inférence avec ce type de réseau neuronal. Dans cette thèse, nous proposons d'étudier l'adéquation entre des algorithmes d'inférence et d'apprentissage issus des réseaux de neurones biologiques pour des architectures matérielles massivement parallèles. Nous montrons avec trois contributions que de telles adéquations permettent d'accélérer drastiquement les temps de calculs inhérents au réseaux de neurones. Dans notre premier axe, nous réalisons l'étude d'adéquation du moteur BCVision de Brainchip SAS pour les plate-formes GPU. Nous proposons également l'introduction d'une architecture hiérarchique basée sur des cellules complexes. Nous montrons que l'adéquation pour GPU accélère les traitements par un facteur sept, tandis que l'architecture hiérarchique atteint un facteur mille. La deuxième contribution présente trois algorithmes de propagation de décharges neuronales adaptés aux architectures parallèles. Nous réalisons une étude complète des modèles computationels de ces algorithmes, permettant de sélectionner ou de concevoir un système matériel adapté aux paramètres du réseau souhaité. Dans notre troisième axe nous présentons une méthode pour appliquer la règle Spike-Timing-Dependent-Plasticity à des données images afin d'apprendre de manière non-supervisée des représentations visuelles. Nous montrons que notre approche permet l'apprentissage d'une hiérarchie de représentations pertinente pour des problématiques de classification d'images, tout en nécessitant dix fois moins de données que les autres approches de la littérature.

Memory plays tricks on us and fails us even for recent events. So for the retrieval of sensory information that we have not experienced for decades, surely the memories are gone without a trace, but can we be sure of this? What if the information had been there all along ready to be explicitly retrieved through recall or familiarity for example? So far, experimental evidence is lacking. The purpose of my thesis was to shed some light on the retrieval of these inactive memories. To tackle this problem I developed my research around two main axes: For the first part which is theoretical, I suggest that a) reactivations are not necessary to maintain very long-term memories if the memories were sufficiently repeated at first; b) it might be possible to retrieve explicitly remote inactive memories using specific cues; in the second part which is experimental, I show that a) within specific conditions participants are able to retrieve explicitly very long-term memories that were left inactive for decades and b) such memory traces could be found on the Electroencephalography (EEG) signals. Surprisingly, when conditions are met, remote memories that were thought to be lost can again elicit recall or familiarity. With these results, a question remains: How do neurons store such information?; On pense souvent que notre mémoire nous joue des tours et nous fait défaut. Ces oublis concernent généralement des souvenirs qui ne sont pourtant pas si vieux. Alors quand il s’agit de se rappeler d’informations sensorielles auxquelles nous n’avons pas repensé depuis plusieurs dizaines d’années, pas de doute, il ne reste plus rien… Mais en est-on vraiment sûr? Et si l’information était toujours là, prête à se manifester de manière explicite -comme sous forme de rappel ou de sentiment de familiarité- pour peu que les conditions le lui permettent? A ce jour, très peu d’expériences ont été menées sur ce sujet. L’objectif de ma thèse a donc été d’apporter des premiers éléments de réponse concernant la récupération de mémoires laissées inactives. Ma recherche s’est orientée selon deux axes principaux : une première partie théorique où je montre a) qu’il n’est pas nécessaire de réactiver une trace mnésique pour la maintenir à très long-terme si elle a été suffisamment répétée et b) que la récupération explicite de cette mémoire serait possible grâce à la présentation d’informations qui cibleraient au mieux le souvenir ; une seconde partie expérimentale où je montre a) que des participants sont capables de récupérer de manière explicite des informations laissées en dormance pendant au moins une dizaine d’années et b) que cette trace mnésique pourrait être détectée sur des tracés d’Electroencéphalographie (EEG). Ainsi, et aussi étonnant que cela puisse paraître, dans des conditions favorables à leur réactivation, d’anciennes traces mnésiques que l’on croyait disparues, peuvent de nouveau surgir sous la manifestation de rappel ou de sentiment de familiarité par exemple. Ces résultats soulèvent des questions majeures concernant le stockage neuronal de cette information.

More than 315 million people worldwide suffer from visual impairments, with several studies suggesting that this number will double by 2030 due to the ageing of the population. To compensate for the loss of sight the current approaches consist of either specific aids designed to answer particular needs or generic systems such as neuroprostheses and sensory substitution devices. These holistic approaches, which try to restore vision as a whole, have been shown to be very inefficient in real life situations given the low resolution of output interfaces. To overcome these obstacles we propose the use of artificial vision in order to pre-process visual scenes and provide the user with relevant information. We have validated this approach through the development of a novel assistive device for the blind called Navig. Through shape recognition and spatialized sounds synthesis, this system allows users to locate and grab objects of interest. It also features navigational aids based on a new positioning method combining GPS, inertial sensors and the visual detection of geolocalized landmarks. To enhance the performance of the visual module we further developed, as part of this thesis, a bio-inspired pattern recognition algorithm which uses latency-based coding of visual information, oriented edge representations and a cascaded architecture combining detection at different resolutions.; La déficience visuelle touche aujourd’hui plus de 315 millions de personnes à travers le monde, un chiffre qui pourrait doubler d’ici à 2030 du fait du vieillissement de la population. Les deux grandes approches existantes pour compenser la perte de vision sont les aides spécifiques, répondant à un besoin identifié, et les systèmes génériques tels que les neuroprothèses ou les systèmes de substitution sensorielle. Ces approches holistiques, tentant de restituer l’ensemble de l’information visuelle, s’avèrent inadaptées de par la trop faible résolution des interfaces de sortie, rendant ces systèmes inutilisables dans la vie quotidienne. Face à ce constat, nous proposons dans cette thèse une démarche alternative, consistant à intégrer des méthodes de vision artificielle, afin de prétraiter la scène visuelle, et de ne restituer au non-voyant que les informations extraites pertinentes. Pour valider cette approche, nous présenterons le développement d’un système de suppléance baptisé Navig. Grâce à la reconnaissance de formes et à la synthèse de sons spatialisés, il permet à l’utilisateur de localiser des objets d’intérêt. Il offre également des fonctions de navigation, basées sur une nouvelle méthode de positionnement combinant GPS, données inertielles, et détections de cibles visuelles géolocalisées. Afin d’améliorer les performances du module de vision artificielle, nous proposerons également dans cette thèse un nouvel algorithme de reconnaissance de formes bio-inspiré, reposant sur un codage de l’information visuelle par latence, sur des représentations sous forme d’arêtes orientées, et sur une architecture en cascade combinant des détections à différentes résolutions.

More than 315 million people worldwide suffer from visual impairments, with several studies suggesting that this number will double by 2030 due to the ageing of the population. To compensate for the loss of sight the current approaches consist of either specific aids designed to answer particular needs or generic systems such as neuroprostheses and sensory substitution devices. These holistic approaches, which try to restore vision as a whole, have been shown to be very inefficient in real life situations given the low resolution of output interfaces. To overcome these obstacles we propose the use of artificial vision in order to pre-process visual scenes and provide the user with relevant information. We have validated this approach through the development of a novel assistive device for the blind called Navig. Through shape recognition and spatialized sounds synthesis, this system allows users to locate and grab objects of interest. It also features navigational aids based on a new positioning method combining GPS, inertial sensors and the visual detection of geolocalized landmarks. To enhance the performance of the visual module we further developed, as part of this thesis, a bio-inspired pattern recognition algorithm which uses latency-based coding of visual information, oriented edge representations and a cascaded architecture combining detection at different resolutions.; La déficience visuelle touche aujourd’hui plus de 315 millions de personnes à travers le monde, un chiffre qui pourrait doubler d’ici à 2030 du fait du vieillissement de la population. Les deux grandes approches existantes pour compenser la perte de vision sont les aides spécifiques, répondant à un besoin identifié, et les systèmes génériques tels que les neuroprothèses ou les systèmes de substitution sensorielle. Ces approches holistiques, tentant de restituer l’ensemble de l’information visuelle, s’avèrent inadaptées de par la trop faible résolution des interfaces de sortie, rendant ces systèmes inutilisables dans la vie quotidienne. Face à ce constat, nous proposons dans cette thèse une démarche alternative, consistant à intégrer des méthodes de vision artificielle, afin de prétraiter la scène visuelle, et de ne restituer au non-voyant que les informations extraites pertinentes. Pour valider cette approche, nous présenterons le développement d’un système de suppléance baptisé Navig. Grâce à la reconnaissance de formes et à la synthèse de sons spatialisés, il permet à l’utilisateur de localiser des objets d’intérêt. Il offre également des fonctions de navigation, basées sur une nouvelle méthode de positionnement combinant GPS, données inertielles, et détections de cibles visuelles géolocalisées. Afin d’améliorer les performances du module de vision artificielle, nous proposerons également dans cette thèse un nouvel algorithme de reconnaissance de formes bio-inspiré, reposant sur un codage de l’information visuelle par latence, sur des représentations sous forme d’arêtes orientées, et sur une architecture en cascade combinant des détections à différentes résolutions.

In this thesis, we study the potential applications of emerging memory nano-devices in computing architecture. More precisely, we show that neuro-inspired architectural paradigms could provide the efficiency and adaptability required in some complex image/audio processing and classification applications. This, at a much lower cost in terms of power consumption and silicon area than current Von Neumann-derived architectures, thanks to a synaptic-like usage of these memory nano-devices. This work is focusing on memristive nano-devices, recently (re-)introduced by the discovery of the memristor in 2008 and their use as synapses in spiking neural network. In fact, this includes most of the emerging memory technologies: Phase-Change Memory (PCM), Conductive-Bridging RAM (CBRAM), Resistive RAM (RRAM)... These devices are particularly suitable for the implementation of natural unsupervised learning algorithms like Spike-Timing-Dependent Plasticity (STDP), requiring very little control circuitry.The integration of memristive devices in crossbar array could provide the huge density required by this type of architecture (several thousand synapses per neuron), which is impossible to match with a CMOS-only implementation. This can be seen as one of the main factors that hindered the rise of CMOS-based neural network computing architectures in the nineties, among the relative complexity and inefficiency of the back-propagation learning algorithm, despite all the promising aspects of such neuro-inspired architectures, like adaptability and fault-tolerance. In this work, we propose synaptic models for memristive devices and simulation methodologies for architectural design exploiting them. Novel neuro-inspired architectures are introduced and simulated for natural data processing. They exploit the synaptic characteristics of memristives nano-devices, along with the latest progresses in neurosciences. Finally, we propose hardware implementations for several device types. We assess their scalability and power efficiency potential, and their robustness to variability and faults, which are unavoidable at the nanometric scale of these devices. This last point is of prime importance, as it constitutes today the main difficulty for the integration of these emerging technologies in digital memories.; Dans cette thèse, nous étudions les applications potentielles des nano-dispositifs mémoires émergents dans les architectures de calcul. Nous montrons que des architectures neuro-inspirées pourraient apporter l'efficacité et l'adaptabilité nécessaires à des applications de traitement et de classification complexes pour la perception visuelle et sonore. Cela, à un cout moindre en termes de consommation énergétique et de surface silicium que les architectures de type Von Neumann, grâce à une utilisation synaptique de ces nano-dispositifs. Ces travaux se focalisent sur les dispositifs dit «memristifs», récemment (ré)-introduits avec la découverte du memristor en 2008 et leur utilisation comme synapse dans des réseaux de neurones impulsionnels. Cela concerne la plupart des technologies mémoire émergentes : mémoire à changement de phase – «Phase-Change Memory» (PCM), «Conductive-Bridging RAM» (CBRAM), mémoire résistive – «Resistive RAM» (RRAM)... Ces dispositifs sont bien adaptés pour l'implémentation d'algorithmes d'apprentissage non supervisés issus des neurosciences, comme «Spike-Timing-Dependent Plasticity» (STDP), ne nécessitant que peu de circuit de contrôle. L'intégration de dispositifs memristifs dans des matrices, ou «crossbar», pourrait en outre permettre d'atteindre l'énorme densité d'intégration nécessaire pour ce type d'implémentation (plusieurs milliers de synapses par neurone), qui reste hors de portée d'une technologie purement en «Complementary Metal Oxide Semiconductor» (CMOS). C'est l'une des raisons majeures pour lesquelles les réseaux de neurones basés sur la technologie CMOS n'ont pas eu le succès escompté dans les années 1990. A cela s'ajoute la relative complexité et inefficacité de l'algorithme d'apprentissage de rétro-propagation du gradient, et ce malgré tous les aspects prometteurs des architectures neuro-inspirées, tels que l'adaptabilité et la tolérance aux fautes. Dans ces travaux, nous proposons des modèles synaptiques de dispositifs memristifs et des méthodologies de simulation pour des architectures les exploitant. Des architectures neuro-inspirées de nouvelle génération sont introduites et simulées pour le traitement de données naturelles. Celles-ci tirent profit des caractéristiques synaptiques des nano-dispositifs memristifs, combinées avec les dernières avancées dans les neurosciences. Nous proposons enfin des implémentations matérielles adaptées pour plusieurs types de dispositifs. Nous évaluons leur potentiel en termes d'intégration, d'efficacité énergétique et également leur tolérance à la variabilité et aux défauts inhérents à l'échelle nano-métrique de ces dispositifs. Ce dernier point est d'une importance capitale, puisqu'il constitue aujourd'hui encore la principale difficulté pour l'intégration de ces technologies émergentes dans des mémoires numériques.

In this thesis, we study the potential applications of emerging memory nano-devices in computing architecture. More precisely, we show that neuro-inspired architectural paradigms could provide the efficiency and adaptability required in some complex image/audio processing and classification applications. This, at a much lower cost in terms of power consumption and silicon area than current Von Neumann-derived architectures, thanks to a synaptic-like usage of these memory nano-devices. This work is focusing on memristive nano-devices, recently (re-)introduced by the discovery of the memristor in 2008 and their use as synapses in spiking neural network. In fact, this includes most of the emerging memory technologies: Phase-Change Memory (PCM), Conductive-Bridging RAM (CBRAM), Resistive RAM (RRAM)... These devices are particularly suitable for the implementation of natural unsupervised learning algorithms like Spike-Timing-Dependent Plasticity (STDP), requiring very little control circuitry.The integration of memristive devices in crossbar array could provide the huge density required by this type of architecture (several thousand synapses per neuron), which is impossible to match with a CMOS-only implementation. This can be seen as one of the main factors that hindered the rise of CMOS-based neural network computing architectures in the nineties, among the relative complexity and inefficiency of the back-propagation learning algorithm, despite all the promising aspects of such neuro-inspired architectures, like adaptability and fault-tolerance. In this work, we propose synaptic models for memristive devices and simulation methodologies for architectural design exploiting them. Novel neuro-inspired architectures are introduced and simulated for natural data processing. They exploit the synaptic characteristics of memristives nano-devices, along with the latest progresses in neurosciences. Finally, we propose hardware implementations for several device types. We assess their scalability and power efficiency potential, and their robustness to variability and faults, which are unavoidable at the nanometric scale of these devices. This last point is of prime importance, as it constitutes today the main difficulty for the integration of these emerging technologies in digital memories.; Dans cette thèse, nous étudions les applications potentielles des nano-dispositifs mémoires émergents dans les architectures de calcul. Nous montrons que des architectures neuro-inspirées pourraient apporter l'efficacité et l'adaptabilité nécessaires à des applications de traitement et de classification complexes pour la perception visuelle et sonore. Cela, à un cout moindre en termes de consommation énergétique et de surface silicium que les architectures de type Von Neumann, grâce à une utilisation synaptique de ces nano-dispositifs. Ces travaux se focalisent sur les dispositifs dit «memristifs», récemment (ré)-introduits avec la découverte du memristor en 2008 et leur utilisation comme synapse dans des réseaux de neurones impulsionnels. Cela concerne la plupart des technologies mémoire émergentes : mémoire à changement de phase – «Phase-Change Memory» (PCM), «Conductive-Bridging RAM» (CBRAM), mémoire résistive – «Resistive RAM» (RRAM)... Ces dispositifs sont bien adaptés pour l'implémentation d'algorithmes d'apprentissage non supervisés issus des neurosciences, comme «Spike-Timing-Dependent Plasticity» (STDP), ne nécessitant que peu de circuit de contrôle. L'intégration de dispositifs memristifs dans des matrices, ou «crossbar», pourrait en outre permettre d'atteindre l'énorme densité d'intégration nécessaire pour ce type d'implémentation (plusieurs milliers de synapses par neurone), qui reste hors de portée d'une technologie purement en «Complementary Metal Oxide Semiconductor» (CMOS). C'est l'une des raisons majeures pour lesquelles les réseaux de neurones basés sur la technologie CMOS n'ont pas eu le succès escompté dans les années 1990. A cela s'ajoute la relative complexité et inefficacité de l'algorithme d'apprentissage de rétro-propagation du gradient, et ce malgré tous les aspects prometteurs des architectures neuro-inspirées, tels que l'adaptabilité et la tolérance aux fautes. Dans ces travaux, nous proposons des modèles synaptiques de dispositifs memristifs et des méthodologies de simulation pour des architectures les exploitant. Des architectures neuro-inspirées de nouvelle génération sont introduites et simulées pour le traitement de données naturelles. Celles-ci tirent profit des caractéristiques synaptiques des nano-dispositifs memristifs, combinées avec les dernières avancées dans les neurosciences. Nous proposons enfin des implémentations matérielles adaptées pour plusieurs types de dispositifs. Nous évaluons leur potentiel en termes d'intégration, d'efficacité énergétique et également leur tolérance à la variabilité et aux défauts inhérents à l'échelle nano-métrique de ces dispositifs. Ce dernier point est d'une importance capitale, puisqu'il constitue aujourd'hui encore la principale difficulté pour l'intégration de ces technologies émergentes dans des mémoires numériques.

The aim of this thesis is to investigate the dynamics of the cognitive processing involved in rapid object recognition in natural scenes. In order to get the fastest behavioral responses, we used a saccadic choice task in which subjects had to initiate saccades as fast as possible toward the image containing the target among two images displayed at the same time on the screen. This protocol first revealed differences in processing times between categories, with an advantage for the detection of human faces. Indeed, when human faces were used as the target, the first selective saccades appeared as early as 100 ms after the apparition of the images ! We were thus interested in the mechanisms allowing such fast detection and showed that a low-level attribute might be used to detect and locate faces in the visual field. In order to understand the nature of the early representation used, we designed two other studies which showed that the fastest saccades were not influenced by contextual information, and were based on relatively coarse information. Finally, I present a simple decision model, based on a latency difference between neuronal populations, which accounts for our experimental results. These results, taken in the perspective of what is known about the neural basis of object recognition, showed that the saccadic choice task, allowing access to an early temporal window, will be a very useful tool of interest for future studies on rapid object recognition.; L'objectif de cette thèse a été d'étudier la dynamique des traitements cognitifs permettant la reconnaissance rapide d'objets dans les scènes naturelles. Afin d'obtenir des réponses comportementales précoces, nous avons utilisé un protocole de choix saccadique, dans lequel les sujets devaient diriger leur regard le plus rapidement possible vers l'image contenant l'objet cible parmi deux images affichées à l'écran. Ce protocole a d'abord permis de mettre en évidence des différences de temps de traitement entre les catégories d'objets, avec un avantage particulier pour la détection des visages humains. En effet, lorsque ceux-ci sont utilisés comme cible, les premières saccades sélectives apparaissent dès 100 ms ! Nous nous sommes donc intéressés aux mécanismes permettant une détection aussi rapide et avons montré qu'un attribut bas-niveau pourrait être utilisé pour détecter et localiser les visages dans notre champ visuel en une fraction de seconde. Afin de mieux comprendre la nature des représentations précoces mises en jeu, nous avons mené deux nouvelles études qui nous ont permis de montrer que les saccades les plus rapides ne seraient pas influencées par les informations contextuelles, et seraient basées sur une information rudimentaire. Enfin, j'ai proposé un modèle simple de décision, basé sur des différences de temps de traitement neuronal entre catégories, qui permet de reproduire fidèlement nos résultats expérimentaux. L'ensemble de ces résultats, mis en perspective avec les connaissances actuelles sur les bases neuronales de la reconnaissance d'objet, démontre que le protocole de choix saccadique, en donnant accès à une fenêtre tempo- relle inaccessible jusqu'alors par les études comportementales, s'avère un outil de choix pour les recherches à venir sur la reconnaissance rapide d'objets.

The aim of this thesis is to investigate the dynamics of the cognitive processing involved in rapid object recognition in natural scenes. In order to get the fastest behavioral responses, we used a saccadic choice task in which subjects had to initiate saccades as fast as possible toward the image containing the target among two images displayed at the same time on the screen. This protocol first revealed differences in processing times between categories, with an advantage for the detection of human faces. Indeed, when human faces were used as the target, the first selective saccades appeared as early as 100 ms after the apparition of the images ! We were thus interested in the mechanisms allowing such fast detection and showed that a low-level attribute might be used to detect and locate faces in the visual field. In order to understand the nature of the early representation used, we designed two other studies which showed that the fastest saccades were not influenced by contextual information, and were based on relatively coarse information. Finally, I present a simple decision model, based on a latency difference between neuronal populations, which accounts for our experimental results. These results, taken in the perspective of what is known about the neural basis of object recognition, showed that the saccadic choice task, allowing access to an early temporal window, will be a very useful tool of interest for future studies on rapid object recognition., L'objectif de cette thèse a été d'étudier la dynamique des traitements cognitifs permettant la reconnaissance rapide d'objets dans les scènes naturelles. Afin d'obtenir des réponses comportementales précoces, nous avons utilisé un protocole de choix saccadique, dans lequel les sujets devaient diriger leur regard le plus rapidement possible vers l'image contenant l'objet cible parmi deux images affichées à l'écran. Ce protocole a d'abord permis de mettre en évidence des différences de temps de traitement entre les catégories d'objets, avec un avantage particulier pour la détection des visages humains. En effet, lorsque ceux-ci sont utilisés comme cible, les premières saccades sélectives apparaissent dès 100 ms ! Nous nous sommes donc intéressés aux mécanismes permettant une détection aussi rapide et avons montré qu'un attribut bas-niveau pourrait être utilisé pour détecter et localiser les visages dans notre champ visuel en une fraction de seconde. Afin de mieux comprendre la nature des représentations précoces mises en jeu, nous avons mené deux nouvelles études qui nous ont permis de montrer que les saccades les plus rapides ne seraient pas influencées par les informations contextuelles, et seraient basées sur une information rudimentaire. Enfin, j'ai proposé un modèle simple de décision, basé sur des différences de temps de traitement neuronal entre catégories, qui permet de reproduire fidèlement nos résultats expérimentaux. L'ensemble de ces résultats, mis en perspective avec les connaissances actuelles sur les bases neuronales de la reconnaissance d'objet, démontre que le protocole de choix saccadique, en donnant accès à une fenêtre tempo- relle inaccessible jusqu'alors par les études comportementales, s'avère un outil de choix pour les recherches à venir sur la reconnaissance rapide d'objets.

In this thesis I propose various activity-driven synaptic plasticity mechanisms that could account for the speed, selectivity and invariance of the neuronal responses in the visual cortex. Their biological plausibility is discussed. I also present the results of a relevant psychophysical experiment demonstrating that familiarity can accelerate visual processing. Beyond these results on the visual system, the studies presented here also credit the hypothesis that the brain uses the spike times to encode, decode, and process information – a theory referred to as ‘temporal coding'. In such a framework the Spike Timing Dependent Plasticity may play a key role, by detecting repeating spike patterns and by generating faster and faster responses to those patterns.; Dans cette thèse je propose plusieurs mécanismes de plasticité synaptique qui pourraient expliquer la rapidité, la sélectivité et l'invariance des réponses neuronales dans le cortex visuel. Leur plausibilité biologique est discutée. J'expose également les résultats d'une expérience de psychophysique pertinente, qui montrent que la familiarité peut accélérer les traitements visuels. Au delà de ces résultats propres au système visuel, les travaux présentés ici créditent l'hypothèse de l'utilisation des dates de spikes pour encoder, décoder, et traiter l'information dans le cerveau – c'est la théorie dite du ‘codage temporel'. Dans un tel cadre, la Spike Timing Dependent Plasticity pourrait jouer un rôle clef, en détectant des patterns de spikes répétitifs et en permettant d'y répondre de plus en plus rapidement.

In this thesis I propose various activity-driven synaptic plasticity mechanisms that could account for the speed, selectivity and invariance of the neuronal responses in the visual cortex. Their biological plausibility is discussed. I also present the results of a relevant psychophysical experiment demonstrating that familiarity can accelerate visual processing. Beyond these results on the visual system, the studies presented here also credit the hypothesis that the brain uses the spike times to encode, decode, and process information – a theory referred to as ‘temporal coding'. In such a framework the Spike Timing Dependent Plasticity may play a key role, by detecting repeating spike patterns and by generating faster and faster responses to those patterns., Dans cette thèse je propose plusieurs mécanismes de plasticité synaptique qui pourraient expliquer la rapidité, la sélectivité et l'invariance des réponses neuronales dans le cortex visuel. Leur plausibilité biologique est discutée. J'expose également les résultats d'une expérience de psychophysique pertinente, qui montrent que la familiarité peut accélérer les traitements visuels. Au delà de ces résultats propres au système visuel, les travaux présentés ici créditent l'hypothèse de l'utilisation des dates de spikes pour encoder, décoder, et traiter l'information dans le cerveau – c'est la théorie dite du ‘codage temporel'. Dans un tel cadre, la Spike Timing Dependent Plasticity pourrait jouer un rôle clef, en détectant des patterns de spikes répétitifs et en permettant d'y répondre de plus en plus rapidement.

The different experiments of this thesis focused on a categorisation task in which subjects have toinitiate response on the basis of incomplete visual information. The use of a masking paradigmallowed us to decompose through time the visual processing implicated in objet recognition.Results of these experiments not only confirmed that visual processing is extremely robust andfast (Chapter 2), but also demonstrated that the accumulated sensory information could betransformed into a decisional signal to efficiently guide the response, depending on the motoreffector (manual or ocular – Chapter 3) or the level of representation required in the task(Detection – Categorisation – Identification – Chapter 4). About 40-50 ms appear to be sufficientto integrate the most pertinent information on the stimulus to perform an animal/non-animal taskand this latency can be even shorter while categorising faces of famous people. This delay iscompatible with the idea that objet recognition is intially based on the rapid transfer of visualinformation through the visual system, in a feed-forward and massively parallel way.; L'ensemble des résultats de cette thèse a été obtenu grâce à une tâche de catégorisation danslaquelle les sujets devaient effectuer une réponse motrice rapide sur la base d'informationsvisuelles incomplètes. L'utilisation d'un protocole de masquage a permis de visualiser au coursdu temps le décours des traitements impliqués dans la reconnaissance d'objets. Les résultatsobtenus confirment non seulement que les traitements visuels sont extrêmement robustes etrapides (Chapitre 2), mais aussi que les informations accumulées dans le système sensorielpeuvent être transformées en signal décisionnel pour guider la réponse du sujet de manièreefficace, en fonction du type d'effecteur utilisé (manuel ou oculaire - Chapitre 3) et du niveau dereprésentation requis dans la tâche (détection, catégorisation, identification - Chapitre 4). 40 à 50millisecondes de SOA semblent être suffisantes pour extraire la majorité de l'informationpertinente dans la tâche de catégorisation animal/non-animal, un délai qui est encore plus courtlorsqu'il s'agit de catégoriser des visages. Cette latence est tout à fait compatible avec l'idée quela reconnaissance d'objet s'appuie d'abord sur un transfert rapide, feed-forward et massivementparallèle des premières informations tout au long du parcours cortical visuel.

The different experiments of this thesis focused on a categorisation task in which subjects have toinitiate response on the basis of incomplete visual information. The use of a masking paradigmallowed us to decompose through time the visual processing implicated in objet recognition.Results of these experiments not only confirmed that visual processing is extremely robust andfast (Chapter 2), but also demonstrated that the accumulated sensory information could betransformed into a decisional signal to efficiently guide the response, depending on the motoreffector (manual or ocular – Chapter 3) or the level of representation required in the task(Detection – Categorisation – Identification – Chapter 4). About 40-50 ms appear to be sufficientto integrate the most pertinent information on the stimulus to perform an animal/non-animal taskand this latency can be even shorter while categorising faces of famous people. This delay iscompatible with the idea that objet recognition is intially based on the rapid transfer of visualinformation through the visual system, in a feed-forward and massively parallel way., L'ensemble des résultats de cette thèse a été obtenu grâce à une tâche de catégorisation danslaquelle les sujets devaient effectuer une réponse motrice rapide sur la base d'informationsvisuelles incomplètes. L'utilisation d'un protocole de masquage a permis de visualiser au coursdu temps le décours des traitements impliqués dans la reconnaissance d'objets. Les résultatsobtenus confirment non seulement que les traitements visuels sont extrêmement robustes etrapides (Chapitre 2), mais aussi que les informations accumulées dans le système sensorielpeuvent être transformées en signal décisionnel pour guider la réponse du sujet de manièreefficace, en fonction du type d'effecteur utilisé (manuel ou oculaire - Chapitre 3) et du niveau dereprésentation requis dans la tâche (détection, catégorisation, identification - Chapitre 4). 40 à 50millisecondes de SOA semblent être suffisantes pour extraire la majorité de l'informationpertinente dans la tâche de catégorisation animal/non-animal, un délai qui est encore plus courtlorsqu'il s'agit de catégoriser des visages. Cette latence est tout à fait compatible avec l'idée quela reconnaissance d'objet s'appuie d'abord sur un transfert rapide, feed-forward et massivementparallèle des premières informations tout au long du parcours cortical visuel.

In the rapid visual processing theory, visual information is encoded in the firing latency of the cells, a scheme that readily explains its speed. In the present thesis, we show that, within this theory, spike timing-dependent plasticity (STDP) can explain the development of neural selectivities that will produce fast and selective responses. A neuron will indeed systematically tune to the earliest spikes through STDP, when the firing patterns elicited by a stimulus yield some form of temporal structure. This law leads, at the population level, to the emergence of representations inspired by the ventral stream, when the system is presented with natural images. Besides we also show, through a psychophysical experiment, that rapid visual processing not only is accurate but that it also yields a quasi-invariance to stimulus rotation., La théorie du traitement visuel rapide se base sur un codage par latence de l'information visuelle, et explique ainsi sa rapidité. Nous démontrons dans cette thèse qu'un mécanisme de plasticité synaptique dépendant des temps de décharges, la STDP, permet, au sein de cette théorie, d'expliquer la formation de sélectivités neuronales à même de produire des réponses rapides et sélectives. Par STDP, un neurone va concentrer ses poids synaptiques sur les entrées les plus précoces, une loi qui se traduit au niveau des populations par l'émergence de représentations inspirées de la voie ventrale, lorsque le système est exposé à des images naturelles.Nous montrons de plus, par une expérience de psychophysique, que le traitement visuel rapide est non seulement précis mais qu'il présente aussi une quasi-invariance à la rotation des images.

In the rapid visual processing theory, visual information is encoded in the firing latency of the cells, a scheme that readily explains its speed. In the present thesis, we show that, within this theory, spike timing-dependent plasticity (STDP) can explain the development of neural selectivities that will produce fast and selective responses. A neuron will indeed systematically tune to the earliest spikes through STDP, when the firing patterns elicited by a stimulus yield some form of temporal structure. This law leads, at the population level, to the emergence of representations inspired by the ventral stream, when the system is presented with natural images. Besides we also show, through a psychophysical experiment, that rapid visual processing not only is accurate but that it also yields a quasi-invariance to stimulus rotation.; La théorie du traitement visuel rapide se base sur un codage par latence de l'information visuelle, et explique ainsi sa rapidité. Nous démontrons dans cette thèse qu'un mécanisme de plasticité synaptique dépendant des temps de décharges, la STDP, permet, au sein de cette théorie, d'expliquer la formation de sélectivités neuronales à même de produire des réponses rapides et sélectives. Par STDP, un neurone va concentrer ses poids synaptiques sur les entrées les plus précoces, une loi qui se traduit au niveau des populations par l'émergence de représentations inspirées de la voie ventrale, lorsque le système est exposé à des images naturelles.Nous montrons de plus, par une expérience de psychophysique, que le traitement visuel rapide est non seulement précis mais qu'il présente aussi une quasi-invariance à la rotation des images.

The speed with which the human visual system can analyze a complex visual scene constitutes a fundamental biological constraint for theories of neuronal information processing. Psychophysics and electrophysiology measures during a rapid visual categorization task show that the visual system can activate a high-level representation of the visual input in only 150 ms. This holds for natural as well as artifactual target categories. Cerebral activity can be recorded as early as 75 ms post-stimulus, but mostly reflects the physical properties of the stimulus, whereas activity after 150 ms is clearly related to the subject's behavior. From a theoretical viewpoint, what neural mechanisms could underly such a capacity?The hierarchical organization of the primate visual system, as well as the electrical conduction delays, suggest that information transmission should be essentially feed-forward, and that only one spike for each neuron can encode information between 2 successive processing stages. This rules out spike firing rate codes, classically used in vision connectionnist models. I suggest instead that visual information can be encoded by the relative spike firing times over a population of neurons, the most salient information always being represented by the first spikes. The temporal structure of the first wave of spikes generated by the retina in response to a visual stimulation can carry information explicitely. This spike wave, propagating through the system, is regenerated at each processing stage, and its temporal structure can be modified by (i) the cortical neurons' selectivities, (ii) lateral interactions and (iii) top-down attentional influences from central cortical areas. The concept of temporal asynchrony inside a single spike wave allows to consider in a unique theoretical framework the fundamental and complementary notions of neural information coding and representation, visual saliency and spatial attention.; La durée d'analyse d'une scène visuelle complexe constitue une contrainte biologique fondamentale pour les modèles théoriques du traitement neuronal de l'information visuelle. La mesure d'indices psychophysiques et électrophysiologiques lors d'une tâche de catégorisation visuelle rapide permet de démontrer que le système visuel humain transforme une scène visuelle complexe en une représentation de haut niveau, portant une valeur sémantique ou comportementale, en seulement 150 ms. Ce résultat est indépendant du caractère naturel ou artificiel de la catégorie cible utilisée. L'activité cérébrale enregistrée avant 150 ms reflète les propriétés physiques du stimulus, et n'est pas corrélée avec le comportement du sujet. D'un point de vue théorique, quels mécanismes neuronaux peuvent sous-tendre une telle capacité?L'architecture hiérarchique du système visuel des primates et les délais de conduction électrique suggèrent que l'information visuelle circule majoritairement vers l'avant, et qu' un seul potentiel d'action par neurone pourra coder l'information entre 2 étapes successives. Ceci exclut le codage par fréquence d'émission de potentiels d'action, classiquement utilisé par les modèles de la vision. J'illustre cependant le fait que l'information visuelle peut être encodée par les dates relatives d'émission des potentiels d'action sur une population neuronale, l'information la plus saillante étant toujours représentée par les premières décharges. La structure temporelle de la première vague de potentiels d'action générée par la rétine en réponse à une stimulation visuelle peut porter explicitement l'information. Cette vague se propageant à travers le système est régénérée à chaque étape de traitement, et sa structure temporelle peut être modifiée par (i) la sélectivité des neurones corticaux, (ii) des interactions latérales et (iii) des influences attentionnelles provenant d'aires cérébrales centrales.

Visual processing is generaly understood as resulting from a complex and iterative processing. After discussing six models of visual object recognition, we bring out that the time required to perform complex visual processing is a crucial criterion for understanding vision. We first propose an experimental categorization task in order to determine the time required by subjects to decide wether an animal is present in photographs of natural scenes. Results show that the minimal visual processing time takes less than 150 milliseconds. This speed of visual processing is particularly robust : this latency does not change when presentations are extrafoveal, when the attention is not focused on the stimulus locus, and when the colors of the images are removed. This speed of visual processing does not differ significantly when stimuli are simple shapes, or when subjects have to decide whether the images are in color. Moreover, electrophysiological signs of an implicit categorization of « Animal » scenes appear significantly when new subjects are performing another task. These results show that this task can be achieved by preattentive, parallel, feedforward visual processes. Focused attention, color and foveal acuity are not required to perform this task rapidly.The cerebral bases of this task have been found with dipolar modelisation of ERPs, and with a new event-related fMRI protocol. The task differentialy activates mainly the areas 19 and 31, the fusiform and cingulate gyri. Less activity was found following target trials than distractor ones, which we interpret as inhibition processes, compatible with the competitive attentional models. Visual object recognition could be then considered as simple feature parallel detections. The visual decision (adequation between the actual stimulus and the task performed) could be achieved via inhibition of alternative representations, that could be acts as attentional selection., Après un rapide rappel des principaux résultats de la psychologie et des neurosciences de la vision, illustrés par le schéma de Kosslyn, le parcours de six modèles computationnels de reconnaissance nous amène à discuter des principales alternatives élaborées pour décrire le traitement visuel – généralement compris comme complexe et récurrent. Le temps requis par ce traitement apparaît comme un critère crucial de décision sur son fonctionnement et d'affinement de notre compréhension.Nous constatons que les données d'électrophysiologie disponibles ne permettent pas de disposer clairement de ce critère. Nous mettons alors en oeuvre une tâche expérimentale visant à mesurer le temps nécessaire au système visuel humain pour analyser des scènes naturelles contenant ou non un animal. Les résultats montrent que ce traitement peut être extrêmement rapide, d'une durée inférieure à 150ms. Cette première mesure est complétée par quatre expériences visant à mieux cerner cette contrainte temporelle, en variant les positions des images, leurs couleurs et la tâche. Cette vitesse du traitement visuel des scènes naturelles se montre particulière-ment robuste et constante : lors de présentations par hémichamps parafovéaux, lorsque l'attention n'est pas focalisée sur le lieu d'apparition du stimulus, et en l'absence de couleur comme indice de recon-naissance. Les résultats attenants montrent aussi que les catégorisations d'images contenant des formes simples et la détection de la présence de couleurs ne sont pas plus rapides. La catégorisation "animal" semble d'autant plus résulter d'un mécanisme automatique que sa trace électrophysiologique est encore présente lorsqu'une autre tâche occupe les sujets.Les bases cérébrales de la tâche ont été recherchées à l'aide de modèles dipolaires ainsi qu'avec la création d'un protocole événementiel d'imagerie cérébrale RMN analogue à celui mis en oeuvre en électrophysiologie. Nous montrons que cette tâche decatégorisation implique de manière différentiée les aires visuelles extrastriées 19 et 31, le gyrus fusiforme et les cortex cingulaires postérieurs. Dans les aires visuelles, un effet de suppression d'activité neuronale lié à la présence d'une cible semble mettre en évidence le mécanisme de compétition postulée dans certains modèles.Ces résultats plaident en faveur de mécanismes directs et rapides de la reconnaissance visuelle : traitement essentiellement ascendants (sans boucles) sans recentrage des stimuli latéralisés ; l'attention focalisée, la couleur et une forte acuité nesont pas nécessaires à la reconnaissance d'objets dans des scènes complexes.La reconnaissance visuelle postulée comme mécanisme nécessitant des traitementsrécurrents et des représentations complexes semble ainsi céder la place à de simples détections parallèles de traits visuels, en eux-mêmes suffisants à la représentation mentale des scènes. Dans ce cadre, la décision visuelle - le stimulus présent est adéquat à la tâche prévue – pourrait être l'extraction de ces représentations au moyen de l'inhibition des assemblées neuronales non sélectionnées.

Visual processing is generaly understood as resulting from a complex and iterative processing. After discussing six models of visual object recognition, we bring out that the time required to perform complex visual processing is a crucial criterion for understanding vision. We first propose an experimental categorization task in order to determine the time required by subjects to decide wether an animal is present in photographs of natural scenes. Results show that the minimal visual processing time takes less than 150 milliseconds. This speed of visual processing is particularly robust : this latency does not change when presentations are extrafoveal, when the attention is not focused on the stimulus locus, and when the colors of the images are removed. This speed of visual processing does not differ significantly when stimuli are simple shapes, or when subjects have to decide whether the images are in color. Moreover, electrophysiological signs of an implicit categorization of « Animal » scenes appear significantly when new subjects are performing another task. These results show that this task can be achieved by preattentive, parallel, feedforward visual processes. Focused attention, color and foveal acuity are not required to perform this task rapidly.The cerebral bases of this task have been found with dipolar modelisation of ERPs, and with a new event-related fMRI protocol. The task differentialy activates mainly the areas 19 and 31, the fusiform and cingulate gyri. Less activity was found following target trials than distractor ones, which we interpret as inhibition processes, compatible with the competitive attentional models. Visual object recognition could be then considered as simple feature parallel detections. The visual decision (adequation between the actual stimulus and the task performed) could be achieved via inhibition of alternative representations, that could be acts as attentional selection.; Après un rapide rappel des principaux résultats de la psychologie et des neurosciences de la vision, illustrés par le schéma de Kosslyn, le parcours de six modèles computationnels de reconnaissance nous amène à discuter des principales alternatives élaborées pour décrire le traitement visuel – généralement compris comme complexe et récurrent. Le temps requis par ce traitement apparaît comme un critère crucial de décision sur son fonctionnement et d'affinement de notre compréhension.Nous constatons que les données d'électrophysiologie disponibles ne permettent pas de disposer clairement de ce critère. Nous mettons alors en oeuvre une tâche expérimentale visant à mesurer le temps nécessaire au système visuel humain pour analyser des scènes naturelles contenant ou non un animal. Les résultats montrent que ce traitement peut être extrêmement rapide, d'une durée inférieure à 150ms. Cette première mesure est complétée par quatre expériences visant à mieux cerner cette contrainte temporelle, en variant les positions des images, leurs couleurs et la tâche. Cette vitesse du traitement visuel des scènes naturelles se montre particulière-ment robuste et constante : lors de présentations par hémichamps parafovéaux, lorsque l'attention n'est pas focalisée sur le lieu d'apparition du stimulus, et en l'absence de couleur comme indice de recon-naissance. Les résultats attenants montrent aussi que les catégorisations d'images contenant des formes simples et la détection de la présence de couleurs ne sont pas plus rapides. La catégorisation "animal" semble d'autant plus résulter d'un mécanisme automatique que sa trace électrophysiologique est encore présente lorsqu'une autre tâche occupe les sujets.Les bases cérébrales de la tâche ont été recherchées à l'aide de modèles dipolaires ainsi qu'avec la création d'un protocole événementiel d'imagerie cérébrale RMN analogue à celui mis en oeuvre en électrophysiologie. Nous montrons que cette tâche decatégorisation implique de manière différentiée les aires visuelles extrastriées 19 et 31, le gyrus fusiforme et les cortex cingulaires postérieurs. Dans les aires visuelles, un effet de suppression d'activité neuronale lié à la présence d'une cible semble mettre en évidence le mécanisme de compétition postulée dans certains modèles.Ces résultats plaident en faveur de mécanismes directs et rapides de la reconnaissance visuelle : traitement essentiellement ascendants (sans boucles) sans recentrage des stimuli latéralisés ; l'attention focalisée, la couleur et une forte acuité nesont pas nécessaires à la reconnaissance d'objets dans des scènes complexes.La reconnaissance visuelle postulée comme mécanisme nécessitant des traitementsrécurrents et des représentations complexes semble ainsi céder la place à de simples détections parallèles de traits visuels, en eux-mêmes suffisants à la représentation mentale des scènes. Dans ce cadre, la décision visuelle - le stimulus présent est adéquat à la tâche prévue – pourrait être l'extraction de ces représentations au moyen de l'inhibition des assemblées neuronales non sélectionnées.