Plasticité neuronalevignette|Effets schématiques de la neuroplasticité après entraînement Plasticité neuronale, neuroplasticité ou encore plasticité cérébrale sont des termes génériques qui décrivent les mécanismes par lesquels le cerveau est capable de se modifier lors des processus de neurogenèse dès la phase embryonnaire ou lors d'apprentissages. Elle s’exprime par la capacité du cerveau de créer, défaire ou réorganiser les réseaux de neurones et les connexions de ces neurones. Le cerveau est ainsi qualifié de « plastique » ou de « malléable ».
Réseau de neurones artificielsUn 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.
NeuroprostheticsNeuroprosthetics (also called neural prosthetics) is a discipline related to neuroscience and biomedical engineering concerned with developing neural prostheses. They are sometimes contrasted with a brain–computer interface, which connects the brain to a computer rather than a device meant to replace missing biological functionality. Neural prostheses are a series of devices that can substitute a motor, sensory or cognitive modality that might have been damaged as a result of an injury or a disease.
MotoneuroneLes motoneurones constituent la voie de sortie du système nerveux central ou la voie finale de tout acte moteur. Les corps cellulaires des motoneurones sont situés soit dans le tronc cérébral, soit dans la corne ventrale de la substance grise de la moelle épinière. Chaque motoneurone possède un axone qui part du système nerveux central pour innerver les fibres musculaires d'un muscle. L'ensemble constitué par un motoneurone et les fibres musculaires qu'il innerve constitue une unité motrice.
Apprentissage profondL'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.
DiaporamaUn diaporama est un document destiné à être projeté sur un écran, soit sous forme d'une succession de diapositives lors d'une présentation orale, soit sous forme audiovisuelle intégrant une bande sonore. Depuis la disponibilité de vidéoprojecteurs, on appelle aussi couramment « diaporama » une conférence appuyée sur un document établi à l'aide de logiciel de présentation tels qu'Impress de LibreOffice ou Apache OpenOffice, ou Beamer, libres et gratuits, ou Microsoft PowerPoint, logiciel propriétaire, qu'il s'agisse d'une conférence professionnelle ou d'un spectacle public composé uniquement de photographies.
Potentiel d'électrodeLe potentiel d'électrode , en électrochimie, est la force électromotrice d'une cellule galvanique construite à partir d'une électrode de référence standard et d'une autre électrode à définir. Par convention, l'électrode de référence est l'électrode standard à hydrogène (SHE) définie comme ayant un potentiel de zéro volt. Le potentiel d'électrode peut également être défini comme la différence de potentiel entre les électrodes métalliques chargées et la solution saline.
Filtre de Kalman d'ensembleLe filtre de Kalman d'ensemble (EnKF) est une variante du filtre de Kalman plus adaptée aux problèmes de très grande dimension comme les modèles géophysiques. Il a fait son apparition en 1994 dans un article de Geir Evensen. L'idée du filtre de Kalman d'ensemble est de représenter la loi recherchée par un échantillon de la variable d'état, et par suite la matrice de covariance du filtre de Kalman devient une matrice de covariance échantillonnée.
Homonculus moteurvignette|Lhomuncule moteur. L'homoncule moteur désigne l'organisation de la commande motrice des muscles du corps humain à la surface du cerveau. Le gyrus pré-central (ou circonvolution frontale ascendante) du cortex cérébral est peuplé de grands neurones pyramidaux, dits « cellules de Betz » qui sont le point de départ des axones qui constituent la voie pyramidale. Cette partie du cortex est l'aire 4 de Brodmann.
Animation (audiovisuel)L’animation, dans le domaine de l’audiovisuel, est un ensemble de techniques qui ont été mises au point à partir du , d'abord par la reprise du principe de la bande dessinée et l'utilisation de procédés optiques et mécaniques ne dépassant pas deux secondes dans leur représentation (jouet optique, folioscope), puis, dès 1892, par le perfectionnement de ces procédés en permettant des durées de représentation plus importantes, de une à cinq minutes (Théâtre optique) et par l'utilisation en 1906 de la prise de
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.
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.
