1. Introduction Aux Neurosciences Computationnelles
1. Introduction aux NeurosciencesComputationnellesMichael Graupner(michael.graupner@parisdescartes.fr)
À quoi sert le cerveau 000neuronesneuronesLe cerveau génère des mouvements( comportement)Les cerveaux plus complexesgénèrent une plus grandevariété de comportementsRatRat11000000000000000000n.n.Les cerveaux plus complexespeuvent apprendre plus 00000n.n.
Traitement cognitifstimulusréponse
En quoi le cerveau est bon ?échecs1:0scrabble1:0Jeopardy!1:0jeux vidéo1:0Go1:0Reconnaissanced'objet1:1Les ordinateurs surpassent les cerveaux dans les tâches impliquantl'exploration de bases de données et d'algorithmes.
En quoi le cerveau est bon ?Lionel Messi – Barcelona : Getafe CF 2007
En quoi le cerveau est bon ?RoboCup 2016
En quoi le cerveau est bon ?footnombreusestâches0:10:1Les cerveaux sont meilleurs dans les tâchesimpliquant une interaction avec le monde réel.
Les cerveaux sont des dispositifsinformatiques remarquablesneurone: 10 kB stockagecerveau: 10 milliard neuronescerveau: 100 TB stockagecerveau: 12 W puissancevs.ordinateur: 5mW/GBordinateur (100TB): 500 W
Pourquoi modeler le cerveau ? pour le comprendre pour le réparer / l'améliorer pour s'en inspirer
De quoi est fait le cerveau tèmesSystèmes10 cmCartesCartes1 cmRéseauxRéseaux1 mmNeuronesNeurones100 μmSynapsesSynapses1 μmMoléculesMolécules1 nm
Comment fonctionnele cerveau?
Une approche de physique / ingénierieTout simplement tout reconstruireingénierie inverse [reverse-engineering]du cerveau :- Désassembler et examiner ou analyser en détail pourdécouvrir les concepts de base afin de produirequelque chose de similaire
La recherche de mécanismes :Construire un système à partir de l1mSystèmesSystèmes10 cmCartesCartes1 cmRéseauxRéseaux1 mmNeuronesNeurones100 μmSynapsesSynapses1 μmMoléculesMolécules1 nm
Biophysique du potentiel de la membrane:Modèle diqueintracellulairepotentieltemps
Reconstruction des neurones :La théorie des câbles de Ralls et la modélisationcompartimentéeModèles compartimentées détaillés des neurones individuels:- Modèles d'équations différentielles à grande échelle
Reconstruction des neurones :Simulation du potentiel de la membrane[Llinas & Sugimori 1980]
La recherche de mécanismes :Construire un système à partir de l1mSystèmesSystèmes10 cmCartesCartes1 cmRéseauxRéseaux1 mmNeuronesNeurones100 μmSynapsesSynapses1 μmMoléculesMolécules1 nm
Théorie des réseaux neuronauxNeurones, synapsesActivité du réseauw31w32wN1wN2
Reconstruction des réseaux :Serial Block-face Scanning Electron Microscopy- Scanner des tranches de cerveau et reconstruire le circuit .[http://connectomes.org/]Mais: Le diable est dans les détails et les détails sont importants !
Dynamique du réseau largementdéterminée par la connectivitéDynamique possible : points fixes stables / instables cycles limites attracteurs chaotiquesRemarque : Différents attracteurs peuvent coexister dansdifférentes parties de l'espace d'état!Pour N : les réseaux neuronaux peuvent tout calculer
Théorie (statistique) des réseauxde neuronesNeurones, synapsesDans quelles conditionsobtient-on : points fixes activité synchrone activité asynchrone trains de spikes Poisson oscillations motifs spatiaux.Activité du réseau
La recherche de mécanismes :Construire un système à partir de l1mSystèmesSystèmes10 cmCartesCartes1 cmRéseauxRéseaux1 mmNeuronesNeurones100 μmSynapsesSynapses1 μmMoléculesMolécules1 nm
La recherche de mécanismes :Construire un système à partir de l1mSystèmesSystèmes10 cmCartesCartes1 cmRéseauxRéseaux1 mmNeuronesNeurones100 μmSynapsesSynapses1 μmMoléculesMolécules1 nm[Felleman & van Essen 1991]
La recherche de mécanismes :Construire un système à partir de l1mSystèmesSystèmes10 cmCartesCartes1 cmRéseauxRéseaux1 mmNeuronesNeurones100 μmSynapsesSynapses1 μmMoléculesMolécules1 nm?
Aperçu du projet Blue Brain
Une approche informatiqueÉtudier les problèmes de calcul
Calcul :Manipuler/transformer des informationscode neuronalstimulusréponse
Calcul :Manipuler/transformer des informationsAuditionOnde de pression sonorecochleogram(Représentation tempsfréquence du son)
Représentation de l'information :avec plus ou mois de perte- PartitionperteExemple de musique :- SonL'autre jour, j'ai entendu ce CD de jazz cool avec ce batteur .pe- Languagerte- Enregistrement
Pourquoi représenter l'informationdifféremment ?Exemple de chiffre :XXIII2300010111Système romainSystème décimalSystème binaire
Les représentations permettent desalgorithmes plus facilesExemple de chiffres :en . ?en multiples de 10en multiples de 2XXIII2300010111Pouvez-vous additionner ces chiffres? 33 00100001 mleXXIXple00011101ple29LXII
L'exemple le plus célèbre:"détecteurs de bord" dans le système visuelstimulus:barre noireActivité duneurone danscortex visuel(V1)
Un autre exemple célèbre:“Place cells” dans l'hippocampePiste linéaire[Nakazawa et al. 2004]
Un autre exemple célèbre:“Place cells” dans l'hippocampe
Étudier les représentations dans le cerveauTravail expérimental Représentations perceptives:vision, audition, odorat, etc.Représentation des variablesmotricesReprésentations d'ordre supérieur:décisionsmémoire à court termerécompensesrêvesincertitudes.Travail théorique Quantifier le contenu de l'information:recherche du code neuronal,théorie de l'information,discrimination, .Comprendre les problèmes de calcul:reconnaissance d'objet,reconnaissance sonore, maximisationde récompense
Ce que nous comprenons maintenanttrès peu
Ce dont nous avons besoin Biologistes, psychologuesPour sonder le cerveau des animaux et des humains Concevoir et réaliser des expériences pertinentes Analyser et quantifier le comportement humain et animal
Ce dont nous avons besoin Physiciens, informaticiens, ingénieurs, etc. Formuler des théories mathématiques du traitement del'informationCréer des modèles biophysiques de réseaux de neurones
Introduction aux NeurosciencesComputationnellesMichael Graupner(michael.graupner@parisdescartes.fr)
pas de neurones Arbre pas de neurones C.elegans 302 neurones C.elegans 302 neurones Mouche 1 000 000 neurones Mouche 1 000 000 neurones Rat 1 000 000 000 n. Rat 1 000 000 000 n. Humain 10 000 000 000 000 n. Humain 10 000 000 000 000 n. Le cerveau génère des mouvements ( comportement)
DIAG S1A S1B S2A S2B AUX 1 AUX 2 AUX 3 AUX 4 AUX 5 Yes Ye s Yes Yes Yes No No Yes Yes No No Yes 2 sensors, 2 modulators, 3 AUX, with EB Info Centre B sensors A sensors Sensor S1B Sensor S1A DIAG interface EB Info Centre AUX 1 COLAS AUX 2 ILASE -E AUX 5 Pressure sensor ISO 12098 / ISO 7638 ISO 1185 (24N) / ISO 76
la mode, aux ex, à la drague, à la fidélité, au père Noël, aux bonnes résolution s, aux femmes de cinquan te ans, aux radins, à l'insomnie, au régime, au point G, aux rappeurs, à personne, aux mythos, à Notre-Dame de Paris, aux choses qui ne se font pas ou au x ma illots de bain , et même au
Chapitre 2 : Introduction aux systèmes d’information géographique 1 Chapitre II Introduction aux SIG Introduction aux SIG 2.1 – Modélisation des objets géographiques 2.2 – Acquisition des données 2.3 – Eléments de cartographie 2.4 – Requêtes spatiales 2.5 – Indexation spatiale
RS Power Center Wiring Diagram · · Dip Switch_Settings !' Factory ;Pri Sett,ng When T.-ned Pump pump - '3 3 Aux 3 Spa Spdlowf · - E 4 Cool Down 0,sabled 5 Normal See Manual 6 Spare Aux Spare Aux (Pool Mode) (Spa Mode) 7 See Manual See Manual 8 Gas Heater Heat Pump 10 e, 0 0 o 0 0 0 o 0 0 01 G,ounding Ber .
L'objectif de cette réunion qui avait pour thème la « Notification aux partenaires liée aux ITSS : Pourquoi, pour qui et comment? Déterminer les produits et outils utiles destinés aux praticiens de la santé publique », était d'obtenir des suggestions sur le type de produits de connaissances qui serviraient aux praticiens de la santé
RIGHT SPEAKER OUT ANALOG IN/OUT DIGITAL IN VOLUME/SOURCE SUB OUT OPTICAL GND AUX 1 IN AUX IN – AUX 1 LEVEL PHONO LINE L R DOWN UP USB AUDIO LED USB PHONO OPT AUX SUB SUB SUB USB PHONO OPT AUX SUB SUB SUB Example only. Your device may differ. À titre d’exemple seulement. Votre appareil peut être différent. Este es solo un ejemplo.
-- Consult the dealer or an experienced radio/TV technician for help. FCC Statement: Call 1-800-925-6278(1-800-WALMART) Unpacking VOL L AUX OPT IC AL TM ONA18SB001 ONN 2.0 MINI SOUNDBAR TM ONN Power Adapter VOL O AUX OPTICAL TM. white SOURCE green. V OL V L AUX OPTIC AL TM 7 8 10 9 AUX Switch to Aux input.
The Project Gutenberg EBook of First Course in the Theory of Equations, by Leonard Eugene Dickson This eBook is for the use of anyone anywhere at no cost and with almost no restrictions whatsoever. You may copy it, give it away or re-use it under the terms of the Project Gutenberg License included with this eBook or online at www.gutenberg.org Title: First Course in the Theory of Equations .
