public:ncom:2._neurones_et_reseaux

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision		 Révision précédente
public:ncom:2._neurones_et_reseaux [2017/04/06 15:39] – edaucepublic:ncom:2._neurones_et_reseaux [2017/04/06 15:56] (Version actuelle) – edauce
Ligne 1: Ligne 1:
 +=====2. Neurones et réseaux=====
 +
 +Pour modéliser le cerveau nous utilisons l'analogie du circuit reconfigurable.
 +  * Un circuit est ici un graphe (connexe) constitué :
 +    * de nœuds 
 +    * et d'arêtes. 
 +  * L'activité qui se développe dans le circuit repose :
 +    * sur la transmission de signaux sur les axones 
 +    * via les neurones qui en sont les relais.
 +
 +Inspirés par le fonctionnement du cerveau, les réseaux de neurones sont des modèles de calculateurs :
 +  * dans lesquels le ``programme'' (la fonction de réponse) est décrit par un graphe.
 +  * Ce graphe est constitué :
 +    * d'un ensemble de nœuds, qui sont les unités de calcul, 
 +    * et un ensemble d'arêtes,  pondérées et orientées, qui transportent le signal entre les différentes unités de calcul.
 +
 +Le signal produit par les neurones biologiques n'est pas une grandeur continue.
 +  * Le système nerveux est donc caractérisé par l'émission et la réception de signaux discrets, 
 +  * qui présentent à première vue une certaine analogie avec les signaux numériques, 
 +  * à ceci près qu'il n'existe pas d'horloge centrale pour cadencer les opérations.
 +
 +<note tip>
 +C'est ce caractère discret des opérations neuronales qui avait inspiré les premiers modèles de neurones,
 +  * au sein desquels les unités neuronales se comportaient comme des portes logiques {{http://link.springer.com/article/10.1007/bf02478259|MCu43}}, 
 +  * par analogie avec les circuits logiques des architectures informatiques.
 +</note>
 +
 +<note important>
 +Il existe :
 +  * de nombreux modèles de neurones 
 +  * et de nombreux modèles de réseaux de neurones. 
 +La modélisation des processus neuronaux repose donc sur un choix du modélisateur, qui est fonction :
 +  * du mécanisme qu'il souhaite étudier, 
 +  * des outils d'analyse 
 +  * et/ou de la puissance de calcul dont il dispose. 
 +</note>
 +
 +[[public:ncom:2.1 Activité et signal]]
 +
 +[[public:ncom:2.2 Réseau de neurones]]
 +
 +[[public:ncom:2.3 Traitement séquentiel]]
 +
 +[[public:ncom:2.4 Traitement récurrent]]
 +
 +[[public:ncom:2.5 Plasticité]]
 +
 +[[public:ncom:2.6 Assemblées neuronales]]
 +
 +[[public:ncom:2.7 Exemples]]
 +
 +
 +