Rythme cérébralUn rythme cérébral (appelé aussi activité neuro-électrique) désigne l'oscillation électromagnétique émise par le cerveau des êtres humains, mais également de tout être vivant. Le cortex frontal qui permet la cognition, la logique et le raisonnement est composé de neurones qui sont reliés entre eux par des synapses permettant la neurotransmission. Mesurables en volt et en hertz, ces ondes sont de très faible amplitude : de l'ordre du microvolt (chez l'être humain), elles ne suivent pas toujours une sinusoïde régulière.
Motor skillA motor skill is a function that involves specific movements of the body's muscles to perform a certain task. These tasks could include walking, running, or riding a bike. In order to perform this skill, the body's nervous system, muscles, and brain have to all work together. The goal of motor skill is to optimize the ability to perform the skill at the rate of success, precision, and to reduce the energy consumption required for performance. Performance is an act of executing a motor skill or task.
Réseau de neurones (biologie)En neurosciences, un réseau de neurones correspond, schématiquement : Soit à un nombre restreint de différents neurones interconnectés, qui ont une fonction précise, comme le ganglion stomatogastrique qui contrôle l'activité des muscles de l'estomac des crustacés. Soit à un grand nombre de neurones similaires interconnectés, qui ont des fonctions plus cognitives, comme les réseaux corticaux qui permettent entre autres la catégorisation.
Models of neural computationModels of neural computation are attempts to elucidate, in an abstract and mathematical fashion, the core principles that underlie information processing in biological nervous systems, or functional components thereof. This article aims to provide an overview of the most definitive models of neuro-biological computation as well as the tools commonly used to construct and analyze them.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Voie neuronaleUne voie neuronale connecte des parties du système nerveux et correspond habituellement à des faisceaux de neurones allongés isolés par gaine de myéline, et dont les regroupements constituent la matière blanche. Les voies neuronales servent à la connexion de zones relativement éloignées du cerveau ou du système nerveux, comparé aux communications locales de la matière grise. Les premières voies neuronales qui furent nommées sont visibles à l’œil nu, même dans un cerveau mal conservé, et furent mentionnées par les anatomistes de la renaissance qui travaillaient sur des cadavres.
Apprentissage moteur. Les approches basées sur les théories de l’apprentissage moteur tiennent habituellement compte de quatre variables principales: les étapes d’apprentissage, le type de tâche à réaliser, la pratique et le feedback. Le processus d’apprentissage moteur comprend trois stades. Le premier est le stade cognitif, c’est-à-dire que l’individu connaît chaque séquence de la tâche à réaliser, mais il ne sait pas exactement comment l’exécuter. Ensuite, il y a le stade associatif, qui correspond au raffinement des habiletés motrices et à la diminution d’erreurs.
Codage neuronalLe codage neuronal désigne, en neurosciences, la relation hypothétique entre le stimulus et les réponses neuronales individuelles ou globales. C'est une théorie sur l'activité électrique du système nerveux, selon laquelle les informations, par exemple sensorielles, numériques ou analogiques, sont représentées dans le cerveau par des réseaux de neurones. Le codage neuronal est lié aux concepts du souvenir, de l'association et de la mémoire sensorielle.
Neural networkA 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 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.
Moelle spinaleLa moelle spinale (selon la nouvelle nomenclature), ou moelle épinière (dans l’ancienne nomenclature), désigne la partie du système nerveux central qui prolonge la moelle allongée appartenant au tronc cérébral. Elle est contenue dans le canal rachidien (canal formé par la superposition des foramens vertébraux), qui la soutient et la protège. Elle est constituée de neurones et de cellules gliales. Sa fonction principale est la transmission des messages nerveux entre le cerveau et le reste du corps.
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.
Upper motor neuronUpper motor neurons (UMNs) is a term introduced by William Gowers in 1886. They are found in the cerebral cortex and brainstem and carry information down to activate interneurons and lower motor neurons, which in turn directly signal muscles to contract or relax. UMNs in the cerebral cortex are the main source of voluntary movement. They are the larger pyramidal cells in the cerebral cortex. There is a type of giant pyramidal cell called Betz cells and are found just below the surface of the cerebral cortex within layer V of the primary motor cortex.
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.
Longueur de cléEn cryptologie, la longueur de clé ( ou key length) est la taille mesurée en bits de la clé de chiffrement (ou de signature) utilisée par un algorithme de chiffrement. La longueur de la clé est différente de la sécurité cryptographique, qui est la mesure de l'attaque la plus rapide contre un algorithme, aussi mesurée en bits. La sécurité évaluée d'un cryptosystème ne peut pas dépasser sa longueur de clé (étant donné que tout algorithme peut être cassé par force brute), mais elle peut être plus petite.
Fine motor skillFine motor skill (or dexterity) is the coordination of small muscles in movement with the eyes, hands and fingers. The complex levels of manual dexterity that humans exhibit can be related to the nervous system. Fine motor skills aid in the growth of intelligence and develop continuously throughout the stages of human development. Motor skills are movements and actions of the bone structures. Typically, they are categorised into two groups: gross motor skills and fine motor skills.
Cryptographie asymétriquevignette|320x320px|Schéma du chiffrement asymétrique: une clé sert à chiffrer et une seconde à déchiffrer La cryptographie asymétrique, ou cryptographie à clé publique est un domaine relativement récent de la cryptographie. Elle permet d'assurer la confidentialité d'une communication, ou d'authentifier les participants, sans que cela repose sur une donnée secrète partagée entre ceux-ci, contrairement à la cryptographie symétrique qui nécessite ce secret partagé préalable.
Mouvement oculaireLes mouvements oculaires sont les rotations que les globes oculaires effectuent autour de leurs centres, et qui modifient la direction du regard. Ces mouvements sont provoqués par les muscles oculaires, et font partie intégrante du système visuel. Chez l'humain, leur étude à l'aide des techniques d'oculométrie trouve des applications en psychologie, en psycholinguistique, en neurologie ou en ergonomie. thumb|right|Nystagmus. On distingue plusieurs types de mouvements oculaires : Les saccades, mouvements rapides permettant notamment d'explorer le champ visuel.
Key managementKey management refers to management of cryptographic keys in a cryptosystem. This includes dealing with the generation, exchange, storage, use, crypto-shredding (destruction) and replacement of keys. It includes cryptographic protocol design, key servers, user procedures, and other relevant protocols. Key management concerns keys at the user level, either between users or systems. This is in contrast to key scheduling, which typically refers to the internal handling of keys within the operation of a cipher.
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 ».
