Séance de cours

Comprendre l'hippocampe: structure et fonction

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

BIOENG-450: In silico neuroscience

"In silico Neuroscience" introduces students to a synthesis of modern neuroscience and state-of-the-art data management, modelling and computing technologies. ...

Description

Cette séance de cours explore l’importance de l’hippocampe, en se concentrant sur ses principales fonctions liées à la mémoire et à la navigation spatiale. L'instructeur explique pourquoi l'hippocampe est largement étudié dans le monde entier, en soulignant sa structure unique avec seulement quatre couches et ses implications au niveau physiologique. La séance de cours couvre également comment les découvertes dans l'hippocampe ont des implications plus larges pour l'ensemble du cerveau, soulignant l'importance d'étudier les modèles de connectivité et les descripteurs d'ordre supérieur. Diverses techniques expérimentales pour détecter les connexions dans les réseaux neuronaux sont discutées, ainsi que des résultats clés de documents de recherche, mettant en lumière les connexions bidirectionnelles, les modèles de distribution du réseau et la «règle commune du voisin» dans la connectivité neuronale.

Enseignant·e·s (2)

Felix Schürmann

Felix Schürmann is co-director of the Blue Brain Project and involved in several research challenges of the European Human Brain Project. He studied physics at the University of Heidelberg, Germany, supported by the German National Academic Foundation. Later, as a Fulbright Scholar, he obtained his Master's degree (M.S.) in Physics from the State University of New York, Buffalo, USA, under the supervision of Richard Gonsalves. During these studies, he became curious about the role of different computing substrates and dedicated his master thesis to the simulation of quantum computing. He studied for his Ph.D. at the University of Heidelberg, Germany, under the supervision of Karlheinz Meier. For his thesis he co-designed an efficient implementation of a neural network in hardware.

Armando Romani

Source officielle

Concepts associés (32)

Cerveau

vignette|Cerveau d'un chimpanzé. Le cerveau est le principal organe du système nerveux des animaux bilatériens. Ce terme tient du langage courant (non scientifique) et chez les chordés, comme les humains, il peut désigner l'encéphale, ou uniquement une partie de l'encéphale, le prosencéphale (télencéphale + diencéphale), voire seulement le télencéphale. Néanmoins, dans cet article, le terme « cerveau » prend son sens le plus large. Le cerveau des chordés est situé dans la tête, protégé par le crâne chez les craniés, et son volume varie grandement d'une espèce à l'autre.

Réseau de neurones récurrents

Un 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.

Réseau de neurones artificiels

Un réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.

Neural network

A neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.

Brain connectivity estimators

Brain connectivity estimators represent patterns of links in the brain. Connectivity can be considered at different levels of the brain's organisation: from neurons, to neural assemblies and brain structures. Brain connectivity involves different concepts such as: neuroanatomical or structural connectivity (pattern of anatomical links), functional connectivity (usually understood as statistical dependencies) and effective connectivity (referring to causal interactions).

Afficher plus

Séances de cours associées (64)

Modélisation de données dans les neurosciences: Meenakshi Khosla

Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.

Introduction à la neuroscience des systèmes: Aperçu des systèmes de mémoire

Introduit les neurosciences des systèmes, en se concentrant sur les circuits neuronaux, les systèmes de mémoire et la logistique des cours.

Observer le cerveau : les bases de la neuroimagerie

Explore les bases de la neuroimagerie, les échelles du réseau cérébral, la connectivité, l'histoire et la physique, soulignant l'importance de comprendre les données à différentes échelles.

Les Microcircuits de Striatum dans le Silico

Explore la reconstruction d'un modèle de niveau cellulaire striatal à grande échelle de souris pour intégrer et interpréter les données striatales.

Signalisation neuronale et traitement des signaux

Explore les signaux neuronaux, l'organisation du cerveau, les techniques de mesure et les principes de l'IRM.

Afficher plus

Concepts associés (32)

Cerveau

Réseau de neurones récurrents

Réseau de neurones artificiels

Neural network

Brain connectivity estimators

Afficher plus