Séance de cours

Qu'est-ce qu'on essaie de modéliser?

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 couvre la modélisation biophysique des neurones, en se concentrant sur le modèle Hodgkin & Huxley et la théorie des câbles pour trouver des paramètres. Il explore la compréhension des processus cellulaires tels que le tir somatique, l'intégration dendritique et la propagation des signaux, ainsi que les différentes façons de modéliser un neurone, y compris les modèles abstraits, simplifiés, cellulaires et subcellulaires.

Dans MOOC

Simulation d'un micro-circuit d'hippocampe

Source officielle

Concepts associés (13)

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.

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.

Neurone

thumb|537x537px|Schéma complet d’un neurone. Un neurone, ou une cellule nerveuse, est une cellule excitable constituant l'unité fonctionnelle de la base du système nerveux. Les neurones assurent la transmission d'un signal bioélectrique appelé influx nerveux. Ils ont deux propriétés physiologiques : l'excitabilité, c'est-à-dire la capacité de répondre aux stimulations et de convertir celles-ci en impulsions nerveuses, et la conductivité, c'est-à-dire la capacité de transmettre les impulsions.

Cellule (biologie)

vignette|Dessin de « cellules » observées dans des coupes d'écorce d'arbre par Robert Hooke en 1665, à l'origine du nom latin cellula « chambre de moine », ayant aussi le sens de cella « petite chambre, chambrette ». vignette|Dessin d'Edmund Beecher Wilson publié en 1900 dont la légende originale était : « Vue générale de cellules situées à la pointe de croissance d'une racine d'oignon à partir d'une coupe longitudinale agrandie . a. cellules qui ne se divisent pas, avec réseau de chromatine et nucléoles fortement colorés ; b.

Afficher plus

Séances de cours associées (64)

L'informatique scientifique en neurosciences

Explore l'histoire et les outils de l'informatique scientifique en neuroscience, en mettant l'accent sur la simulation des neurones et des réseaux.

Réseaux d'attractions et neurones à épilation MOOC: Dynamique neuronale 2- Neurosciences computationnelles : Dynamique neuronale de la cognition

Explore les réseaux d'attraction, les neurones piquants, les données de mémoire et les réseaux réalistes dans la dynamique neuronale.

Réseaux neuronaux : formation et activation

Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.

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.

Modélisation de l'électrophysiologie : différentes échelles MOOC: Les neurosciences reconstruites : Génétique et développement du cerveau

Couvre la modélisation de l'électrophysiologie à différentes échelles, en discutant des canaux ioniques, des neurones uniques et des microcircuits.

Afficher plus

Concepts associés (13)

Réseau de neurones artificiels

Neural network

Réseau de neurones récurrents

Neurone

Cellule (biologie)

Afficher plus