Demyelinating diseaseA demyelinating disease refers to any disease affecting the nervous system where the myelin sheath surrounding neurons is damaged. This damage disrupts the transmission of signals through the affected nerves, resulting in a decrease in their conduction ability. Consequently, this reduction in conduction can lead to deficiencies in sensation, movement, cognition, or other functions depending on the nerves affected. Various factors can contribute to the development of demyelinating diseases, including genetic predisposition, infectious agents, autoimmune reactions, and other unknown factors.
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.
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.
Lesional demyelinations of the central nervous systemMultiple sclerosis and other demyelinating diseases of the central nervous system (CNS) produce lesions (demyelinated areas in the CNS) and glial scars or scleroses. They present different shapes and histological findings according to the underlying condition that produces them. Demyelinating diseases are traditionally classified in two kinds: demyelinating myelinoclastic diseases and demyelinating leukodystrophic diseases. In the first group a normal and healthy myelin is destroyed by a toxic, chemical or autoimmune substance.
Pathophysiology of multiple sclerosisMultiple sclerosis is an inflammatory demyelinating disease of the CNS in which activated immune cells invade the central nervous system and cause inflammation, neurodegeneration, and tissue damage. The underlying cause is currently unknown. Current research in neuropathology, neuroimmunology, neurobiology, and neuroimaging, together with clinical neurology, provide support for the notion that MS is not a single disease but rather a spectrum.
Polyradiculonévrite chroniqueLa polyradiculonévrite chronique ou polyradiculonévrite inflammatoire démyélinisante chronique (PIDC) est une maladie auto-immune touchant le système nerveux périphérique. Cette maladie est classée sous la dénomination plus générale de neuropathie périphérique. La PIDC est un parent proche du syndrome de Guillain-Barré (ou polyradiculonévrite aigüe idiopathique) et est considérée comme son homologue chronique. Ses symptômes sont également similaires à une neuropathie inflammatoire progressive, variante très asymétrique de la PIDC, connue sous le nom de syndrome de Lewis-Sumner.
AxoneLaxone, ou fibre nerveuse, est le prolongement du neurone qui conduit le signal électrique du corps cellulaire vers les zones synaptiques. Le long de l'axone, ce signal est constitué de potentiels d'action. Les autres prolongements du neurone sont les dendrites qui conduisent le signal des synapses au corps cellulaire. Les neurones ont le plus souvent un seul axone et plusieurs dendrites. Néanmoins, la terminaison de l'axone est très ramifiée — on parle d'arborisation terminale — ce qui lui permet de contacter plusieurs autres neurones avec la même information.
Fish locomotionFish locomotion is the various types of animal locomotion used by fish, principally by swimming. This is achieved in different groups of fish by a variety of mechanisms of propulsion, most often by wave-like lateral flexions of the fish's body and tail in the water, and in various specialised fish by motions of the fins.
Modèle de langageEn traitement automatique des langues, un modèle de langage ou modèle linguistique est un modèle statistique de la distribution de symboles distincts (lettres, phonèmes, mots) dans une langue naturelle. Un modèle de langage peut par exemple prédire le mot suivant dans une séquence de mots. Un modèle de langage n-gramme est un modèle de langage qui modélise des séquences de mots comme un processus de Markov. Il utilise l'hypothèse simplificatrice selon laquelle la probabilité du mot suivant dans une séquence ne dépend que d'une fenêtre de taille fixe de mots précédents.
Loi normaleEn théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.
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.
Loi de Cauchy (probabilités)La loi de Cauchy, appelée aussi loi de Lorentz, est une loi de probabilité continue qui doit son nom au mathématicien Augustin Louis Cauchy. Une variable aléatoire X suit une loi de Cauchy si sa densité , dépendant des deux paramètres et ( > 0) est définie par : La fonction ainsi définie s'appelle une lorentzienne. Elle apparaît par exemple en spectroscopie pour modéliser des raies d'émission. Cette distribution est symétrique par rapport à (paramètre de position), le paramètre donnant une information sur l'étalement de la fonction (paramètre d'échelle).
Guidage axonalLe guidage axonal est une branche du neurodéveloppement. Elle étudie comment les axones parviennent à trouver leurs cellules cibles notamment grâce aux cônes de croissance. Le principe élémentaire du guidage axonal repose sur la chemoattraction et la chemorepulsion : Le cône de croissance est attiré par des molécules présentes dans le milieu extracellulaire et sécrétées par les cellules de sa zone de destination (ex: des facteurs de croissance).
Terrestrial locomotionTerrestrial locomotion has evolved as animals adapted from aquatic to terrestrial environments. Locomotion on land raises different problems than that in water, with reduced friction being replaced by the increased effects of gravity. As viewed from evolutionary taxonomy, there are three basic forms of animal locomotion in the terrestrial environment: legged – moving by using appendages limbless locomotion – moving without legs, primarily using the body itself as a propulsive structure.
Réseau locomoteur spinalLe réseau locomoteur spinal, ou central pattern generator (CPG) en anglais, est un réseau de neurones localisé dans la moelle spinale responsable de la locomotion. La particularité de ce réseau est qu’il peut fonctionner de manière autonome, indépendamment des commandes descendantes et des retours sensoriels . Après avoir été activé par le cortex moteur ou d'autres régions supraspinales telles que la région mésencéphalique locomotrice (MLR en anglais), ce réseau peut générer à lui seul l’activité locomotrice.
LocomotionEn physiologie, la locomotion est la faculté, pour un organisme vivant, de se mouvoir pour se déplacer. Des contraintes sont exercées sur ces organismes suivant le milieu, terrestre, aérien ou aquatique, dans lesquels ils se meuvent. La fonction locomotrice se traduit par un ensemble de mouvements qui entraînent le déplacement de l'être vivant : la progression quadrupède, bipède et apode, dont la reptation, en milieu terrestre, diverses formes de nage et de propulsion en milieu aquatique (système de propulsion par réaction des calmars) et les vols planés ou battus en milieu aérien.
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.
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.
Physical neural networkA physical neural network is a type of artificial neural network in which an electrically adjustable material is used to emulate the function of a neural synapse or a higher-order (dendritic) neuron model. "Physical" neural network is used to emphasize the reliance on physical hardware used to emulate neurons as opposed to software-based approaches. More generally the term is applicable to other artificial neural networks in which a memristor or other electrically adjustable resistance material is used to emulate a neural synapse.
Loi stableLa loi stable ou loi de Lévy tronquée, nommée d'après le mathématicien Paul Lévy, est une loi de probabilité utilisée en mathématiques, physique et analyse quantitative (finance de marché). On dit qu'une variable aléatoire réelle est de loi stable si elle vérifie l'une des 3 propriétés équivalentes suivantes : Pour tous réels strictement positifs et , il existe un réel strictement positif et un réel tels que les variables aléatoires et aient la même loi, où et sont des copies indépendantes de .
