Canal sodiumUn canal sodium, ou sodique, est un canal ionique spécifique aux ions sodium. Il en existe de plusieurs types. Le premier à avoir été décrit est le canal sodique du potentiel d'action, responsable entre autres de la dépolarisation du neurone et du myocyte, de la propagation du signal nerveux et de la propagation de l'activation électrique du myocarde. thumb|Vue schématique du canal sodique La sous-unité Alpha constituée de quatre domaines et formant le pore central du canal ainsi que ses deux sous-unités béta Il faut différencier les canaux sodium stricts des canaux perméants aux cations, c’est-à-dire principalement sodium et potassium.
Threshold potentialIn electrophysiology, the threshold potential is the critical level to which a membrane potential must be depolarized to initiate an action potential. In neuroscience, threshold potentials are necessary to regulate and propagate signaling in both the central nervous system (CNS) and the peripheral nervous system (PNS). Most often, the threshold potential is a membrane potential value between –50 and –55 mV, but can vary based upon several factors.
DépolarisationLa dépolarisation d'une cellule désigne le passage transitoire du potentiel de membrane d'une valeur négative, dite de repos, vers une valeur positive. On parle de dépolarisation notamment pour les cellules excitables (neurone, cellule musculaire...) par l’implication physiologique des variations de potentiel membranaire dans le fonctionnement du système nerveux. De façon générale, toute cellule est dépolarisable, bien que physiologiquement, seuls les neurones, les cellules musculaires et les cellules de certaines glandes se dépolarisent dans leur environnement physiologique.
Récepteur ionotropeUn récepteur ionotrope sensible à un ligand est une protéine membranaire qui ouvre un canal ionique grâce à la liaison d'un messager chimique ou neurotransmetteur. Ils sont généralement sélectifs à un type d'ions tels que Na+, K+, Ca2+ ou Cl−. Ils sont localisés au niveau des synapses, où ils convertissent de manière extrêmement rapide un message pré-synaptique chimique (neurotransmetteur) en message post-synaptique électrique. Les récepteurs ionotropes s'opposent aux récepteurs métabotropes, qui eux ne possèdent pas de canaux ioniques.
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Neurone pseudo-unipolaireright|class=cx-linter-tag|thumb|1: Neurone pseudo-unipolaire 2: Neurone bipolaire Un neurone pseudo-unipolaire (pseudo - faux, uni - un) est une sorte de neurone sensoriel du système nerveux périphérique. Ce neurone contient un axone divisé en deux branches; une branche se dirige vers la périphérie et l'autre vers la moelle épinière. Par définition, un neurone pseudo-unipolaire a un axone avec deux branches : centrale et périphérique. Ces branches axonales ne doivent pas être confondues avec les dendrites.
Dendrite (biologie)Les dendrites (du grec δένδρον déndron «arbre») sont des prolongements du corps cellulaire des neurones dont elles partagent les organites (à l'exception du noyau et des lysosomes). Les dendrites sont des prolongements des neurones moteurs courts et effilés. Les corps cellulaires en contiennent généralement des centaines, avec les mêmes organites. Elles forment la principale structure réceptrice des neurones.
Récepteur (cellule)thumb|Cônes et bâtonnets de la rétine en microscopie électronique (fausses couleurs). Les neurones récepteurs (ou sensoriels) constituent le premier niveau cellulaire du système nerveux de la perception. Ils transduisent des signaux physiques (lumière, son, température, pression, tension mécanique...) en signaux chimiques (neurotransmetteurs) transmis à un neurone postsynaptique qui convertira le message en signal nerveux transmis sous forme de trains de potentiel d'action. photorécepteur (vision) bâtonnet
Bandit manchot (mathématiques)vignette|Une rangée de machines à sous à Las Vegas. En mathématiques, plus précisément en théorie des probabilités, le problème du bandit manchot (généralisable en problème du bandit à K bras ou problème du bandit à N bras) se formule de manière imagée de la façon suivante : un utilisateur (un agent), face à des machines à sous, doit décider quelles machines jouer. Chaque machine donne une récompense moyenne que l'utilisateur ne connait pas a priori. L'objectif est de maximiser le gain cumulé de l'utilisateur.
