Séance de cours

Modélisation du rôle de l'hippocampe dans la navigation spatiale

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.

Description

Cette séance de cours explore le rôle de l'hippocampe dans la navigation spatiale, en discutant de la découverte de cellules de place et d'autres représentations liées à l'espace. Il se penche sur la façon dont la population de cellules de place représente collectivement les emplacements dans l'environnement, en utilisant des modèles de rétroaction et de rétroaction. Le modèle de réseau récurrent de cellules de localisation, proposé par Káli et Dayan en 2000, est examiné en détail, en mettant l'accent sur sa capacité d'apprendre et de représenter des emplacements basés sur des attracteurs continus. Le modèle traite également de la représentation des environnements multiples et des effets des manipulations environnementales.

Dans MOOC

Simulation d'un micro-circuit d'hippocampe

Source officielle

Concepts associés (24)

Spatial cognition

Spatial cognition is the acquisition, organization, utilization, and revision of knowledge about spatial environments. It is most about how animals including humans behave within space and the knowledge they built around it, rather than space itself. These capabilities enable individuals to manage basic and high-level cognitive tasks in everyday life. Numerous disciplines (such as cognitive psychology, neuroscience, artificial intelligence, geographic information science, cartography, etc.

Mémoire spatiale

vignette|La mémoire spatiale est nécessaire pour naviguer dans un environnement. La mémoire spatiale est la partie de la mémoire d'un individu responsable de l'enregistrement des informations concernant l'espace environnant et l'orientation spatiale de l'individu dans celui-ci. La mémoire spatiale est ainsi requise pour la navigation spatiale dans un lieu connu, comme dans un quartier familier. Elle est étudiée en neuroscience (chez le rat) et en psychologie cognitive (chez l'homme).

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.

Hippocampe (cerveau)

thumb|Situation de l'hippocampe en profondeur dans le cerveau humain280px|thumb|Hippocampe en vue 3D. L'hippocampe est une structure du télencéphale des mammifères. Il appartient notamment au système limbique et joue un rôle central dans la mémoire et la navigation spatiale. Chez l'Homme et les autres primates, il se situe dans le lobe temporal médian, sous la surface du cortex, au-dessus de la cinquième circonvolution (replis du cortex) temporale T.

Réseau de neurones de Hopfield

Le réseau de neurones d'Hopfield est un modèle de réseau de neurones récurrents à temps discret dont la matrice des connexions est symétrique et nulle sur la diagonale et où la dynamique est asynchrone (un seul neurone est mis à jour à chaque unité de temps). Il a été popularisé par le physicien John Hopfield en 1982. Sa découverte a permis de relancer l'intérêt dans les réseaux de neurones qui s'était essoufflé durant les années 1970 à la suite d'un article de Marvin Minsky et Seymour Papert.

Afficher plus

Séances de cours associées (64)

Séquence à modèles de séquence: vue d'ensemble et applications

Couvre les modèles de séquence à séquence, leur architecture, leurs applications et le rôle des mécanismes d'attention dans l'amélioration des performances.

Simulation de réseau et dynamique d'activité

Explore la simulation du réseau neuronal, la dynamique d'activité et les processus de validation afin d'assurer des prévisions précises.

Réseaux de neurones récurrents: formation et défis

Discute des réseaux neuronaux récurrents, de leurs défis de formation et de solutions telles que les LSTM et les GRU.

Aide mémoire pour le cerveau humain

Explore l'aide à la mémoire du cerveau humain, en mettant l'accent sur les possibilités d'étudier la mémoire humaine, les enregistrements d'une cellule unique et la représentation de l'espace, du temps et des objets.

Architectures neurales pour l'IA et la cognition

Explore les architectures neurales pour l'IA incarnée, les systèmes cognitifs, et l'intégration de l'informatique et de la robotique.

Afficher plus

Concepts associés (24)

Spatial cognition

Mémoire spatiale

Réseau de neurones récurrents

Hippocampe (cerveau)

Réseau de neurones de Hopfield

Afficher plus