Mémoire spatialevignette|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).
Évolvabilitévignette|Profil de fitness trans-environment avec deux caractères montrant le degré de sélectabilité d'un phénotype selon un gradient d'expression des caractères en jeu. L’évolvabilité, ou évoluabilité, ou encore adaptabilité évolutionnaire, est un concept majeur de la biologie évolutive du développement, qui désigne la capacité d’un organisme à générer de la variation phénotypique héritable en réduisant les mutations désavantageuses ou létales. En d’autres termes, certains changements génétiques seront avantagés chez un organisme vivant grâce à différents processus.
Neuromorphic engineeringNeuromorphic computing is an approach to computing that is inspired by the structure and function of the human brain. A neuromorphic computer/chip is any device that uses physical artificial neurons to do computations. In recent times, the term neuromorphic has been used to describe analog, digital, mixed-mode analog/digital VLSI, and software systems that implement models of neural systems (for perception, motor control, or multisensory integration).
SynaptogenèseLa 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.
Plant evolutionary developmental biologyEvolutionary developmental biology (evo-devo) is the study of developmental programs and patterns from an evolutionary perspective. It seeks to understand the various influences shaping the form and nature of life on the planet. Evo-devo arose as a separate branch of science rather recently. An early sign of this occurred in 1999. Most of the synthesis in evo-devo has been in the field of animal evolution, one reason being the presence of model systems like Drosophila melanogaster, C. elegans, zebrafish and Xenopus laevis.
Histoire évolutive des végétauxvignette|Arbre phylogénétique des plantes terrestres indiquant la taille du génome dans les principales familles. vignette|Arbre de parenté des végétaux. L’histoire évolutive des végétaux est un processus de complexification croissante, depuis les premières algues, en passant par les bryophytes, les lycopodes et les fougères, jusqu'aux complexes gymnospermes et angiospermes actuels. Bien que les végétaux plus primitifs continuent de prospérer, particulièrement dans leur milieu d'origine, chaque nouveau degré d'organisation évolue et développe de nouvelles capacités qui lui permettent de mieux s'adapter à de nouveaux milieux.
Règle de HebbLa règle de Hebb, théorie de Hebb, postulat de Hebb ou théorie des assemblées de neurones a été établie par Donald Hebb en 1949. Elle est à la fois utilisée comme hypothèse en neurosciences et comme concept dans les réseaux neuronaux en mathématiques. En 1950, un manuscrit de Sigmund Freud datant de 1895 fut publié qui attestait que cette théorie avait déjà été formulée avant Hebb. Cette théorie est souvent résumée par la formule : () C'est une règle d'apprentissage des réseaux de neurones artificiels dans le contexte de l'étude d'assemblées de neurones.
Base de données spatialesUne base de données spatiales est une base de données optimisée pour stocker et interroger des données reliées à des objets référencés géographiquement, y compris des points, les lignes et des polygones. Alors que les bases de données classiques peuvent comprendre différents types de données numériques et caractères, des fonctions additionnelles ont besoin d'être ajoutées pour traiter les types de données spatiales. Celles-ci sont typiquement appelées géométrie ou caractère.
Universal DarwinismUniversal Darwinism, also known as generalized Darwinism, universal selection theory, or Darwinian metaphysics, is a variety of approaches that extend the theory of Darwinism beyond its original domain of biological evolution on Earth. Universal Darwinism aims to formulate a generalized version of the mechanisms of variation, selection and heredity proposed by Charles Darwin, so that they can apply to explain evolution in a wide variety of other domains, including psychology, linguistics, economics, culture, medicine, computer science, and physics.
Criticité auto-organiséethumb|Une image 2D du tas de sable de Bak-Tang-Wiesenfeld, le modèle original de la criticité auto-organisée.|300px La criticité auto-organisée est une propriété des systèmes dynamiques qui ont un point critique comme attracteur. Leur comportement macroscopique présente alors l'invariance d'échelle spatiale ou temporelle d'un point critique d'une transition de phase, mais sans la nécessité de calibrer les paramètres de contrôle sur une valeur précise, car le système se calibre lui-même en évoluant vers la criticité.
Méthode de l'ellipsoïdeEn optimisation mathématique, la méthode de l'ellipsoïde est une méthode itérative utilisée pour minimiser des fonctions convexes. En informatique théorique, cette méthode est connue comme étant le premier algorithme de complexité polynomiale découvert pour résoudre les problèmes d'optimisation linéaire. L'algorithme construit une suite d'ellipsoïdes de plus en plus petits, qui enserrent à chaque étape le minimum de la fonction objectif.
Agent intelligentEn intelligence artificielle, un agent intelligent (AI) est une entité autonome capable de percevoir son environnement grâce à des capteurs et aussi d'agir sur celui-ci via des effecteurs afin de réaliser des objectifs. Un agent intelligent peut également apprendre ou utiliser des connaissances pour pouvoir réaliser ses objectifs. Ils peuvent être simples ou complexes. Par exemple, un simple système réactif, comme le thermostat est considéré comme étant un agent intelligent.
