[general_dat] Invitación a la defensa de tesis de licenciatura de Malena Alamo (Viernes 31/07 19hs)

[Juan Kamienkowski]

¡Hola!

Tenemos el agrado de invitarlxs a la presentación de Tesis de Licenciatura
en Ciencias de la Computación de Malena Alamo

Título:            Correlatos neurales de modelos computacionales de
búsqueda visual híbrida

Cuándo:          Viernes 31 de Julio de 2026, 19:00 hs.

Dónde:            Aula 1207, Edificio 0+infinito, Ciudad Universitaria, UBA.

Directorxs:     Juan E Kamienkowski, Damian Care, Gonzalo Ruarte

Juradxs:         Rodrigo Echeveste, Stephanie Muller

Palabras claves:  búsqueda visual híbrida, inferencia bayesiana,
electroencefalografía, movimientos oculares, nnELM, temporal response
functions.

Resumen: La búsqueda visual híbrida (la tarea de localizar en una escena
cualquiera de un conjunto de posibles objetivos mantenidos en memoria)
puede describirse como un proceso de inferencia bayesiana en el que cada
fijación ocular actualiza la creencia del observador sobre la ubicación del
target. El modelo computacional nnELM (Neural Network Entropy Limit
Minimization) (Ruarte et al., 2025) formaliza este proceso combinando redes
neuronales profundas con un criterio de minimización de entropía esperada
para seleccionar la siguiente fijación. Por otro lado, el framework de
Temporal Response Functions (TRFs) por regresión regularizada (Care et al.,
2025) permite vincular predictores definidos a nivel de fijación con la
señal de electroencefalografı́a (EEG) registrada de forma continua durante
la tarea. Esta tesis se propuso articular ambas lı́neas de trabajo: diseñar
y extraer, a partir de los mapas internos del modelo nnELM, variables que
cuantifiquen distintos aspectos del proceso de búsqueda visual, y evaluar
si dichas variables poseen correlatos en la actividad cerebral registrada
sobre el dataset HSEM (Hybrid Search Eye Movements), que incluye el
registro simultáneo de movimientos oculares y EEG de 42 sujetos durante una
tarea de búsqueda hı́brida en escenas naturales. Se diseñaron y extrajeron
20 variables organizadas en cinco categorı́as conceptuales, se validó su
coherencia con la dinámica esperada del proceso de búsqueda, y se evaluó su
contribución a la predicción de la señal EEG mediante un esquema de
construcción incremental de modelos, diagnosticado por VIF y evaluado
mediante ∆AIC y TFCE. Se hallaron correlatos neurales significativos en
variables de cuatro de las cinco categorías definidas, en particular en
variables relacionadas con la similitud visual con el target, el estado del
proceso bayesiano y la calidad de la decisión del sujeto respecto de la
estrategia óptima del modelo.

¡Lxs esperamos!