Modèles du neurone biologiquevignette|390x390px|Fig. 1. Dendrites, soma et axone myélinisé, avec un flux de signal des entrées aux dendrites aux sorties aux bornes des axones. Le signal est une courte impulsion électrique appelée potentiel d'action ou impulsion. vignette|Figure 2. Évolution du potentiel postsynaptique lors d'une impulsion. L'amplitude et la forme exacte de la tension peut varier selon la technique expérimentale utilisée pour acquérir le signal.
Dendrite (biologie)Les dendrites (du grec δένδρον déndron «arbre») sont des prolongements du corps cellulaire des neurones dont elles partagent les organites (à l'exception du noyau et des lysosomes). Les dendrites sont des prolongements des neurones moteurs courts et effilés. Les corps cellulaires en contiennent généralement des centaines, avec les mêmes organites. Elles forment la principale structure réceptrice des neurones.
Potentiel d'actionvignette|Le déplacement d'un potentiel d'action le long d'un axone, modifie la polarité de la membrane cellulaire. Les canaux ioniques sodium Na+ et potassium K+ voltage-dépendants s'ouvrent puis se ferment quand la membrane atteint le potentiel seuil, en réponse à un signal en provenance d'un autre neurone. À l'initiation du potentiel d'action, le canal Na+ s'ouvre et le Na+ extracellulaire rentre dans l'axone, provoquant une dépolarisation. Ensuite la repolarisation se produit lorsque le canal K+ s'ouvre et le K+ intracellulaire sort de l'axone.
Réseau de neurones à impulsionsLes réseaux de neurones à impulsions (SNNs : Spiking Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANNs : Artificial Neural Networks, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage).
Colonne corticalevignette|Reconstruction 3D de cinq colonnes corticales dans le cortex vibratoire du rat Une colonne corticale est un groupe de neurones situés dans le cortex cérébral dont les champs de réception sont identiques. D’ailleurs, si on introduit une microélectrode perpendiculairement à travers les différentes couches du cortex visuel, on ne rencontrera par exemple que des neurones qui ont la même préférence d’orientation, qu’ils aient des champs récepteurs simples ou complexes. Il s'agit dans cet exemple d'une colonne d'orientation.
Algorithme évolutionnistevignette|redresse=1.2|Un algorithme évolutionnaire utilise itérativement des opérateurs de sélections (en bleu) et de variation (en jaune). i : initialisation, f(X) : évaluation, ? : critère d'arrêt, Se : sélection, Cr : croisement, Mu : mutation, Re : remplacement, X* : optimum. Les algorithmes évolutionnistes ou algorithmes évolutionnaires (evolutionary algorithms en anglais), sont une famille d'algorithmes dont le principe s'inspire de la théorie de l'évolution pour résoudre des problèmes divers.
Canal sodiumUn canal sodium, ou sodique, est un canal ionique spécifique aux ions sodium. Il en existe de plusieurs types. Le premier à avoir été décrit est le canal sodique du potentiel d'action, responsable entre autres de la dépolarisation du neurone et du myocyte, de la propagation du signal nerveux et de la propagation de l'activation électrique du myocarde. thumb|Vue schématique du canal sodique La sous-unité Alpha constituée de quatre domaines et formant le pore central du canal ainsi que ses deux sous-unités béta Il faut différencier les canaux sodium stricts des canaux perméants aux cations, c’est-à-dire principalement sodium et potassium.
Non-spiking neuronNon-spiking neurons are neurons that are located in the central and peripheral nervous systems and function as intermediary relays for sensory-motor neurons. They do not exhibit the characteristic spiking behavior of action potential generating neurons. Non-spiking neural networks are integrated with spiking neural networks to have a synergistic effect in being able to stimulate some sensory or motor response while also being able to modulate the response.
Agent-based modelAn agent-based model (ABM) is a computational model for simulating the actions and interactions of autonomous agents (both individual or collective entities such as organizations or groups) in order to understand the behavior of a system and what governs its outcomes. It combines elements of game theory, complex systems, emergence, computational sociology, multi-agent systems, and evolutionary programming. Monte Carlo methods are used to understand the stochasticity of these models.
NéocortexLe néocortex (ou néopallium, ou encore isocortex) est une zone du cerveau des mammifères qui correspond à la couche externe des hémisphères cérébraux. Il fait partie du cortex cérébral (comprenant également l'archicortex et le paléocortex, membres du système limbique). Il est lui-même constitué de six couches distinctes, numérotées de I à VI (VI étant la plus profonde et I la plus externe). Il est impliqué dans les fonctions cognitives dites supérieures comme les perceptions sensorielles, les commandes motrices volontaires, le raisonnement spatial, la conscience ou encore le langage.
Canal tensiodépendantLes canaux tensiodépendants sont des canaux ioniques spécialisés qui s'ouvrent ou se ferment en réponse à une variation du potentiel de membrane. Les termes canal dépendant du voltage ou canal voltage dépendant, inspirés de la terminologie anglo-saxonne (voltage-dependant calcium channel), sont très souvent utilisés. L'adjectif tensiodépendant, proposé si récemment qu'il n'est même pas accessible par l'interrogation de NGramViewer (corpus de 2019), contrairement à dépendant du voltage ou dépendant du potentiel, est regrettable : en effet, il induit une confusion avec des canaux sensibles à la tension pris dans le sens d'étirement (stretch operated caclum channels).
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.
Threshold potentialIn electrophysiology, the threshold potential is the critical level to which a membrane potential must be depolarized to initiate an action potential. In neuroscience, threshold potentials are necessary to regulate and propagate signaling in both the central nervous system (CNS) and the peripheral nervous system (PNS). Most often, the threshold potential is a membrane potential value between –50 and –55 mV, but can vary based upon several factors.
Canal ioniqueUn canal ionique est une protéine membranaire qui permet le passage à grande vitesse d'un ou plusieurs ions. Il existe de nombreux types de canaux ioniques. Ils peuvent être sélectivement perméables à un ion tel que le sodium, le calcium, le potassium ou l'ion chlorure, ou bien à plusieurs ions à la fois. Les canaux ioniques sont présents dans la membrane de toutes les cellules. Ils ont un rôle central dans la physiologie des cellules excitables comme les neurones ou les cellules musculaires et cardiaques.
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.
Evolutionary computationIn computer science, evolutionary computation is a family of algorithms for global optimization inspired by biological evolution, and the subfield of artificial intelligence and soft computing studying these algorithms. In technical terms, they are a family of population-based trial and error problem solvers with a metaheuristic or stochastic optimization character. In evolutionary computation, an initial set of candidate solutions is generated and iteratively updated.
Population model (evolutionary algorithm)The population model of an evolutionary algorithm (EA) describes the structural properties of its population to which its members are subject. A population is the set of all proposed solutions of an EA considered in one iteration, which are also called individuals according to the biological role model. The individuals of a population can generate further individuals as offspring with the help of the genetic operators of the procedure. The simplest and widely used population model in EAs is the global or panmictic model, which corresponds to an unstructured population.
Algorithme génétiqueLes algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Les algorithmes génétiques utilisent la notion de sélection naturelle et l'appliquent à une population de solutions potentielles au problème donné.
Cellule pyramidaleLes cellules pyramidales sont un certain type de neurone. Leur nom vient de la morphologie triangulaire de leur péricaryon. Elles possèdent en outre un arbre dendritique très développé qui reçoit un grand nombre de synapses. Leur axone peut projeter à grande distance. De par leurs propriétés morphologiques, on pense que les cellules pyramidales jouent un rôle central dans l'intégration de signaux convergents. Par ailleurs, elles s'adressent aux motoneurones et ont la possibilité de commander la force de contraction des muscles.
Optimisation multiobjectifL'optimisation multiobjectif (appelée aussi Programmation multi-objective ou optimisation multi-critère) est une branche de l'optimisation mathématique traitant spécifiquement des problèmes d'optimisation ayant plusieurs fonctions objectifs. Elle se distingue de l'optimisation multidisciplinaire par le fait que les objectifs à optimiser portent ici sur un seul problème. Les problèmes multiobjectifs ont un intérêt grandissant dans l'industrie où les responsables sont contraints de tenter d'optimiser des objectifs contradictoires.
