Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Relation avec les règles d'apprentissage neuronal

Description

Cette séance de cours explore la relation entre les règles d'apprentissage neuronal et la dérivée du logarithme d'une politique, explorant les contributions post-synaptiques et pré-synaptiques dans les mises à jour de poids. Il explique comment les récompenses modulent les poids synaptiques et comment l’activité des neurones influence l’apprentissage.

Source officielle

Concepts associés (27)

Synaptogenèse

La synaptogenèse est la formation des synapses. Bien qu'elle se produise tout au long de la durée de vie d'une personne saine, une explosion de la formation des synapses se produit au cours du développement précoce du cerveau. On prend pour exemple la mise en place de la jonction neuromusculaire. Tout d'abord, il doit y avoir une reconnaissance par les terminaisons axonales des cellules cibles avec lesquelles la jonction doit se faire.

Dépression synaptique à long terme

La dépression à long terme (DLT) est « une réduction durable de l'efficacité de la transmission synaptique qui fait suite à certains types de stimulation ». Dans la dépression à long terme l'efficacité synaptique se trouve réduite. Cela est dû au fait que les éléments pré-synaptiques et post-synaptiques des neurones ont une décharge nerveuse asynchrone ou ne déchargent plus d'influx nerveux. La puissance de l'influx nerveux est influencée par la participation des récepteurs NDMA, et de leur influx calcique (Ca2+).

Apprentissage profond

L'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.

Réseau de neurones à propagation avant

Un réseau de neurones à propagation avant, en anglais feedforward neural network, est un réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents. Le plus connu est le perceptron multicouche qui est une extension du premier réseau de neurones artificiel, le perceptron inventé en 1957 par Frank Rosenblatt. vignette|Réseau de neurones à propagation avant Le réseau de neurones à propagation avant est le premier type de réseau neuronal artificiel conçu. C'est aussi le plus simple.

Activity-dependent plasticity

Activity-dependent plasticity is a form of functional and structural neuroplasticity that arises from the use of cognitive functions and personal experience; hence, it is the biological basis for learning and the formation of new memories. Activity-dependent plasticity is a form of neuroplasticity that arises from intrinsic or endogenous activity, as opposed to forms of neuroplasticity that arise from extrinsic or exogenous factors, such as electrical brain stimulation- or drug-induced neuroplasticity.

Afficher plus

Séances de cours associées (49)

Réseaux neuronaux : Perceptrons multicouches

Couvre les Perceptrons multicouches, les neurones artificiels, les fonctions d'activation, la notation matricielle, la flexibilité, la régularisation, la régression et les tâches de classification.

Bâtir des réseaux neuraux physiques

Discute des défis liés à la construction de réseaux neuraux physiques, en mettant l'accent sur la profondeur, les connexions et la capacité de formation.

Introduction à la plasticité synaptique MOOC: Simulation d'un micro-circuit d'hippocampe

Couvre la plasticité synaptique, les types de synapses, le postulat de Hebb, LTP, LTD, et les oscillations réseau dans l'hippocampe.

Réseaux neuronaux profonds : optimisation et approximation

Explore l'optimisation et l'approximation dans les réseaux neuronaux profonds, y compris le contrôle optimal et les expériences numériques.

Dynamique des réseaux neuronaux linéaires

Explore la dynamique d'apprentissage des réseaux neuronaux profonds en utilisant des réseaux linéaires pour l'analyse, couvrant les réseaux à deux couches et à plusieurs couches, l'apprentissage autosupervisé et les avantages de l'initialisation découplée.

Afficher plus

Concepts associés (27)

Synaptogenèse

Dépression synaptique à long terme

Apprentissage profond

Réseau de neurones à propagation avant

Activity-dependent plasticity

Afficher plus