Inferencia Probabilística Bayesiana Bajo Modelos Generativos de Imágenes Naturales para el Estudio de la Percepción Visual

JOSEFINA CATONI; RODRIGO ECHEVESTE

Santa Fe

Congreso; IX Congreso de Matemática Aplicada, Computacional e Industrial; 2023

Asociación Argentina de Matemática Aplicada, Computacional e Industrial

Resumen: La teoría bayesiana de la percepción postula que a partir de estímulos, el cerebro infiere distribuciones de probabilidad sobre variables a las que no tiene acceso de forma directa. Este proceso involucra combinar información sensorial actual con expectativas previas capturadas por una distribución a priori. Para entender cómo este proceso podría tener lugar, trabajamos con redes neuronales que resuelven tareas de percepción visual. En este caso, recurrimos a autocodificadores variacionales, los cuales aprenden simultáneamente un modelo generativo de imágenes naturales, junto con el correspondiente modelo de inferencia. Mostramos que bajo el requisito de realizar inferencia de modo óptimo, y utilizando activaciones ralas, emergen en la red representaciones similares a las empleadas en la corteza visual. Este trabajo es un primer paso que busca entender cómo se vinculan los requisitos computacionales de una tarea perceptual, con las propiedades de las respuestas estáticas y dinámicas de los circuitos corticales que la implementan.