Dissertations / Theses on the topic 'Réseaux de Neuronne'
To see the other types of publications on this topic, follow the link: Réseaux de Neuronne.
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 dissertations / theses for your research on the topic 'Réseaux de Neuronne.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.
1
Ben, Slimane Tarek. "Investigation of the Optical Emission of Hall Effect Thrusters using a Collisional Radiative Model, Particle-In-Cell Simulations, and Machine Learning." Electronic Thesis or Diss., Institut polytechnique de Paris, 2023. http://www.theses.fr/2023IPPAX153.
Abstract:
Ce travail propose une analyse de l'émission optique des propulseurs à effet Hall qui repose sur les simulations, la spectroscopie et les réseaux de neurones. L'étude s’ancre dans le contexte dynamique du New Space et des lanceurs réutilisables qui ont amené une réduction considérable des coûts des opérations spatiales. Ce changement a intensifié la demande pour des équipements de satellites standardisés et miniaturisés, avec un intérêt particulier pour les propulseurs à effet Hall en raison de leur rapport poussée-puissance avantageux, de leur impulsion spécifique et de leur efficacité.Cette thèse s'appuie sur le développement du code Particle-In-Cell (PIC) LPPic et explore la dynamique et les interactions des plasmas à l'intérieur du propulseur en couplant les résultats de ce code de simulation avec des diagnostics virtuels. Le premier diagnostic est la diffusion Thomson collective qui explore les fluctuations de densité des électrons dans le propulseur. Le second est la spectroscopie d'émission optique couplée à un modèle collisionnel radiatif permettant de caractériser la fonction de distribution de l'énergie des électrons. Les deux sont essentiels pour valider les simulations LPPic avec des expériences, avec la spectroscopie d’émission servant également d'outil prometteur pour évaluer les performances en orbite et caractériser les effets test des installations sol sur les propulseurs.La méthodologie consiste en un va-et-vient entre les simulations et les expériences, notamment en s’appuyant sur les diagnostics virtuels pour évaluer les simulations PIC et aussi guider les pratiques expérimentales. La thèse est structurée en huit chapitres. Ceux-ci incluent l'exploration du diagnostic virtuel de diffusion Thomson collective, le développement et la validation de HET0D, un modèle collisionnel radiatif pour le xénon neutre, et le couplage entre le PIC et modèle collisionnel radiatif pour effectuer la spectroscopie d'émission optique virtuelle. Ce travail souligne l'importance de considérer les gradients spatiaux dans la plume du propulseur lors de l'extraction des paramètres du plasma à partir de l'émission optique. Ce couplage a également permis de valider les hypothèses de transport des métastables et de distribution d’énergie maxwellienne pour les électrons et a souligné les limitations spécifiques de réponse fréquentielle des niveaux excités pour l'implémentation de la spectroscopie d'émission optique pour étudier les instabilités à haute fréquence (>MHz). Ces résultats ont été confrontés à des expériences d’émission optique où des spectres réels ont été utilisés pour extraire les paramètres plasmas en utilisant le modèle collisionnel radiatif dans différentes conditions d’opération du propulseur, démontrant ainsi la validité de l'analyse virtuelle et l'adéquation des modèles d'émission optique et collisionnel radiatif pour évaluer les performances des propulseurs à effet Hall. Enfin, une amélioration innovante de l'approche par l'intégration de réseaux de neurones est également présentée, ce qui améliore la portée de l'approche optique, en accélérant le traitement, en réduisant le matériel nécessaire en orbite et en permettant le contrôle optique des paramètres de fonctionnement.Ce travail représente ainsi une contribution au domaine de la propulsion électrique, offrant une perspective unique qui combine des simulations numériques, des diagnostics virtuels avec des données expérimentales et des réseaux neuronaux, portant un regard critique sur les diagnostics, les simulations et le comportement des propulseurs à effet HallThis thesis provides an analysis of the optical emission of Hall Effect thrusters. The study is grounded in the context of the dynamic field of micro reusable launchers and ride-share satellite programs, which have substantially reduced space operation costs. This shift has intensified the demand for standardized and miniaturized satellite equipment, with a particular focus on Hall thrusters due to their advantageous thrust-to-power ratio, specific impulse, and efficiency.This thesis builds upon the development of the LPPic Particle-In-Cell code, and explores the plasma dynamics and interactions within the thruster by coupling the simulation results with virtual diagnostics. First is the collective Thomson scattering, which explores the electron density fluctuations in the thruster. Second is the optical emission spectroscopy coupled with a collisional radiative model, which characrerizes the electron energy distribution function. Both are instrumental in validating LPPic simulations, with the latter also serving as a promising tool for assessing the performance in orbit and characterizing ground facility effects.The methodology consists of a blend of simulations and experiments, relying on virtual diagnostics to assess simulations and guide experimental practices. The thesis is structured into eight chapters. These include the exploration of virtual collective Thomson scattering diagnostics, the development and validation of HET0D, a collisional-radiative model for neutral xenon, and the establishment of a framework for performing virtual optical emission spectroscopy from Particle-In-Cell simulations. This established the importance of considering spatial gradients in the plume of the thruster when extracting plasma parameters from optical emission. It also highlighted the validity of the transport and Maxwellian assumptions in the collisional radiative models of neutral species and highlighted line-specific bandwidth limitations for the implementation of optical emission spectroscopy to study high frequency instabilities (>MHz). These insights were confronted with experiments where actual spectra were used to extract plasma parameters using the collisional radiative model under various thruster conditions, thereby demonstrating the validity of the virtual diagnostic analysis and the adequacy of optical emission and collisional radiative models to monitor Hall Effect thrusters. Finally, an innovative enhancement to optical emission and collisional radiative model through the integration of artificial neural networks is also presented, which significantly improves the efficiency and scope of the diagnostic, by speeding up the processing, reducing the needed hardware in-orbit, and allowing the optical control of the operating parameters.This research makes an initial contribution to the field of electric propulsion by offering a unique perspective that combines numerical simulations, virtual diagnostics with experimental data, and neural networks, thereby enhancing the understanding of diagnostics, simulations, and the behavior of Hall Effect thrusters
2
Cohen, Floriane. "Architectures dynamiques des réseaux neuronaux in vitro." Thesis, Paris Sciences et Lettres (ComUE), 2018. https://tel.archives-ouvertes.fr/tel-02512337.
Abstract:
Le fonctionnement du système nerveux est basé sur l’établissement de circuits neuronaux complexes. Pendant le développement, le branchement axonal permet à chaque neurone de créer des contacts synaptiques avec de multiples cibles. Ce phénomène joue un rôle majeur dans la mise en place des réseaux neuronaux. La compréhension des mécanismes du branchement neuronal est donc essentielle à l’étude du développement des circuits nerveux.Dans cette thèse, nous avons étudié le branchement neuronal en imposant des contraintes morphologiques aux neurones à l’aide de micropatterns adhésifs. En utilisant des patterns statiques, nous avons pu explorer le comportement des branchements neuronaux dans une large gamme de géométrie. Nous avons en particulier étudié l’influence de l’angle de branchement.En parallèle, nous avons travaillé sur le développement d’une technique de micropatterning dynamique basée sur l’adsorption spontanée de dérivées PEGylés de poly-L-lyisne permettant de créer des patterns reconfigurables, dans le but de pouvoir contrôler spatio-temporellement la génération de branches neuritiquesThe function of the nervous system relies on the establishment of complex neuronal circuitry. During development, axon branching allows each neuron to establish synaptic contacts with multiple targets and is essential to the assembly of highly interconnected networks. Therefore, understanding the mechanisms underlying the control of neuronal branching is crucial in the study of neuronal circuit development.In this thesis, we investigated this phenomenon by imposing morphological constraints to neurons through the use of different chemical micropatterning techniques. Using static micropatterns, we explored branching behavior in a wide range of geometries with a focus on the influence of branching angle. In parallel, we have also worked on the development of a dynamic patterning technique based on spontaneous adsorption of comb-like derivatives of poly-L-lysine to form switchable patterns on highly cell-repellent surfaces, with the aim of creating a platform allowing for spatio-temporally controlled generation of neurite branches
3
Pfeuty, Benjamin. "Rôles des synapses électriques dans la synchronisation neuronale : Une étude théorique." Phd thesis, Université Pierre et Marie Curie - Paris VI, 2004. http://tel.archives-ouvertes.fr/tel-00007936.
Abstract:
Il existe deux modes principaux d'interaction entre neurones : les synapses chimiques et les synapses électriques qui, bien que minoritaires par rapport aux premières, sont présentes dans de nombreuses régions du cerveau où elles sont impliquées dans la synchronisation de l'activité neuronale. Notre étude théorique, qui combine calculs analytiques et simulations numériques, montre que l'impact des synapses électriques sur la synchronisation neuronale dépend des propriétés d'excitabilité des neurones déterminées par leurs courants ioniques. Ainsi, associées à des synapses inhibitrices, les synapses électriques peuvent donc amplifier ou réduire la synchronisation de manière linéaire. Toutefois, lorsque le couplage inhibiteur est suffisamment fort, des effets non-linéaires apparaissent tels que les synapses électriques renforcent la précision et la robustesse de la synchronisation. Ce travail de thèse révèle ainsi le caractère flexible de la synchronisation par les synapses électriques.
4
Bénédic, Yohann. "Approche analytique pour l'optimisation de réseaux de neurones artificiels." Phd thesis, Université de Haute Alsace - Mulhouse, 2007. http://tel.archives-ouvertes.fr/tel-00605216.
Abstract:
Les réseaux de neurones artificiels sont nés, il y a presque cinquante ans, de la volonté de modéliser les capacités de mémorisation et de traitement du cerveau biologique. Aujourd'hui encore, les nombreux modèles obtenus brillent par leur simplicité de mise en œuvre, leur puissance de traitement, leur polyvalence, mais aussi par la complexité des méthodes de programmation disponibles. En réalité, très peu d'entre-elles sont capables d'aboutir analytiquement à un réseau de neurones correctement configuré. Bien au contraire, la plupart se " contentent " d'ajuster, petit à petit, une ébauche de réseau de neurones, jusqu'à ce qu'il fonctionne avec suffisamment d'exemples de la tâche à accomplir. Au travers de ces méthodes, dites " d'apprentissages ", les réseaux de neurones sont devenus des boîtes noires, que seuls quelques experts sont effectivement capables de programmer. Chaque traitement demande en effet de choisir convenablement une configuration initiale, la nature des exemples, leur nombre, l'ordre d'utilisation, ... Pourtant, la tâche finalement apprise n'en reste pas moins le résultat d'une stratégie algorithmique implémentée par le réseau de neurones. Une stratégie qui peut donc être identifiée par le biais de l'analyse, et surtout réutilisée lors de la conception d'un réseau de neurones réalisant une tâche similaire, court-circuitant ainsi les nombreux aléas liés à ces méthodes d'apprentissage. Les bénéfices de l'analyse sont encore plus évidents dans le cas de réseaux de neurones à sortie binaire. En effet, le caractère discret des signaux traités simplifie grandement l'identification des mécanismes mis en jeu, ainsi que leur contribution au traitement global. De ce type d'analyse systématique naît un formalisme original, qui décrit la stratégie implémentée par les réseaux de neurones à sortie binaire de façon particulièrement efficace. Schématiquement, ce formalisme tient lieu d'" état intermédiaire " entre la forme boîte noire d'un réseau de neurones et sa description mathématique brute. En étant plus proche des modèles de réseaux de neurones que ne l'est cette dernière, il permet de retrouver, par synthèse analytique, un réseau de neurones effectuant la même opération que celui de départ, mais de façon optimisée selon un ou plusieurs critères : nombre de neurones, nombre de connexions, dynamique de calcul, etc. Cette approche analyse-formalisation-synthèse constitue la contribution de ces travaux de thèse.
5
Asnaashari, Ahmad. "Modélisation de la défaillance des réseaux d'eau : approches statistique, réseau de neurones et survie." Lille 1, 2007. https://pepite-depot.univ-lille.fr/LIBRE/Th_Num/2007/50376-2007-Asnaashari.pdf.
Abstract:
La défaillance des réseaux d'eau constitue un problème majeur en Iran, qui nécessite des investissements importants et l'élaboration d'une stratégie optimale pour la réhabilition des réseaux d'eau. Ce travail constitue une contribution à cet objectif. Il vise le développement des outils pour améliorer la gestion et la maintenance des réseaux d'eau. Il comporte la détermination des principaux facteurs affectant la défaillance des réseaux d'eau, l'élaboration d'un modèle de prévision fondé sur les Réseaux de Neurones Artificiels, et le développement d'un modèle de survie. Ces approches ont été appliquées sur le réseau d'eau de la ville de Sanandaj en Iran. Le travail de thèse a comporté différents parties, notamment: la collecte de données sur le réseau de la ville de Sanandaj, l'analyse spatiale et statistique de ces données, le développement d'un modèle basé sur le Réseau de Neurones Artificiels et l'application de l'approche de survie. L'analyse des données a permis la détermination de principaux facteurs à l'origine de la défaillance des réseaux d'eau. Deux modèles de régression (multiple et Poisson) ont été employés pour la prévision du nombre de défaillances du réseau d'eau. Ces modèles ont été comparés à l'approche Réseau de Neurones Artificiels. La comparaison a montré tout l'intérêt d'utiliser l'approche Réseau de Neurones pour la prévision de la défaillance des réseaux d'eau. L'approche de survie a été utilisée pour étudier la durée de vie et étudier l'impact d'une intervention sur le réseau d'eau.
6
Grehl, Stephanie. "Stimulation-specific effects of low intensity repetitive magnetic stimulation on cortical neurons and neural circuit repair in vitro (studying the impact of pulsed magnetic fields on neural tissue)." Thesis, Paris 6, 2014. http://www.theses.fr/2014PA066706/document.
Abstract:
Les champs électromagnétiques sont couramment utilisés pour stimuler de manière non-invasive le cerveau humain soit à des fins thérapeutiques ou dans un contexte de recherche. Les effets de la stimulation magnétique varient en fonction de la fréquence et de l'intensité du champ magnétique. Les mécanismes mis en jeu restent inconnus, d'autant plus lors de stimulations à faible intensité. Dans cette thèse, nous avons évalué les effets de stimulations magnétiques répétées à différentes fréquences appliqués à faible intensité (10-13 mT ; Low Intensity Repetitive Magnetic Stimulation : LI-rMS) in vitro, sur des cultures corticales primaires et sur des modèles de réparation neuronale. De plus, nous décrivons une méthodologie pour la construction d'un dispositif instrumental fait sur mesure pour stimuler des cultures cellulaires.Les résultats montrent des effets dépendant de la fréquence sur la libération du calcium des stocks intracellulaires, sur la mort cellulaire, sur la croissance des neurites, sur la réparation neuronale, sur l'activation des neurones et sur l'expression de gènes impliqués. En conclusion, nous avons montré pour la première fois un nouveau mécanisme d'activation cellulaire par les champs magnétiques à faible intensité. Cette activation se fait en l'absence d'induction de potentiels d'action. Les résultats soulignent l'importance biologique de la LI-rMS par elle-même mais aussi en association avec les effets de la rTMS à haute intensité. Une meilleure compréhension des effets fondamentaux de la LI-rMS sur les tissus biologiques est nécessaire afin de mettre au point des applications thérapeutiques efficaces pour le traitement des conditions neurologiquesElectromagnetic fields are widely used to non-invasively stimulate the human brain in clinical treatment and research. This thesis investigates the effects of different low intensity (mT) repetitive magnetic stimulation (LI-rMS) parameters on single neurons and neural networks and describes key aspects of custom tailored LI-rMS delivery in vitro. Our results show stimulation specific effects of LI-rMS on cell survival, neuronal morphology, neural circuit repair and gene expression. We show novel mechanisms underlying cellular responses to stimulation below neuronal firing threshold, extending our understanding of the fundamental effects of LI-rMS on biological tissue which is essential to better tailor therapeutic applications
7
Ambroise, Matthieu. "Hybridation des réseaux de neurones : de la conception du réseau à l’interopérabilité des systèmes neuromorphiques." Thesis, Bordeaux, 2015. http://www.theses.fr/2015BORD0394/document.
Abstract:
L’hybridation est une technique qui consiste à interconnecter un réseau de neurones biologique et un réseau de neurones artificiel, utilisée dans la recherche en neuroscience et à des fins thérapeutiques. Durant ces trois années de doctorat, ce travail de thèse s’est focalisé sur l’hybridation dans un plan rapproché (communication directe bi-directionnelle entre l’artificiel et le vivant) et dans un plan plus élargies (interopérabilité des systèmes neuromorphiques). Au début des années 2000, cette technique a permis de connecter un système neuromorphique analogique avec le vivant. Ce travail est dans un premier temps, centré autour de la conception d’un réseau de neurones numérique, en vue d’hybridation, dans deux projets multi-disciplinaires en cours dans l’équipe AS2N de l’IMS, présentés dans ce document : HYRENE (ANR 2010-Blan-031601), ayant pour but le développement d’un système hybride de restauration de l’activité motrice dans le cas d’une lésion de la moelle épinière, BRAINBOW (European project FP7-ICT-2011-C), ayant pour objectif l’élaboration de neuro-prothèses innovantes capables de restaurer la communication autour de lésions cérébrales.Possédant une architecture configurable, un réseau de neurones numérique a été réalisé pour ces deux projets. Pour le premier projet, le réseau de neurones artificiel permet d’émuler l’activitéde CPGs (Central Pattern Generator), à l’origine de la locomotion dans le règne animale. Cette activité permet de déclencher une série de stimulations dans la moelle épinière lésée in vitro et de recréer ainsi la locomotion précédemment perdue. Dans le second projet, la topologie du réseau de neurones sera issue de l’analyse et le décryptage des signaux biologiques issues de groupes de neurones cultivés sur des électrodes, ainsi que de modélisations et simulations réalisées par nos partenaires. Le réseau de neurones sera alors capable de réparer le réseau de neurones lésé. Ces travaux de thèse présentent la démarche de conception des deux différents réseaux et des résultats préliminaires obtenus au sein des deux projets. Dans un second temps, ces travaux élargissent l’hybridation à l’interopérabilité des systèmes neuromorphiques. Au travers d’un protocole de communication utilisant Ethernet, il est possible d’interconnecter des réseaux de neurones électroniques, informatiques et biologiques. Dans un futur proche, il permettra d’augmenter la complexité et la taille des réseauxHYBRID experiments allow to connect a biological neural network with an artificial one,used in neuroscience research and therapeutic purposes. During these three yearsof PhD, this thesis focused on hybridization in a close-up view (bi-diretionnal direct communication between the artificial and the living) and in a broader view (interoperability ofneuromorphic systems). In the early 2000s, an analog neuromorphic system has been connected to a biological neural network. This work is firstly, about the design of a digital neural network, for hybrid experimentsin two multi-disciplinary projects underway in AS2N team of IMS presented in this document : HYRENE (ANR 2010-Blan-031601), aiming the development of a hybrid system for therestoration of motor activity in the case of a spinal cord lesion,BRAINBOW (European project FP7-ICT-2011-C), aiming the development of innovativeneuro-prostheses that can restore communication around cortical lesions. Having a configurable architecture, a digital neural network was designed for these twoprojects. For the first project, the artificial neural network emulates the activity of CPGs (Central Pattern Generator), causing the locomotion in the animal kingdom. This activity will trigger aseries of stimuli in the injured spinal cord textit in vitro and recreating locomotion previously lost. In the second project, the neural network topology will be determined by the analysis anddecryption of biological signals from groups of neurons grown on electrodes, as well as modeling and simulations performed by our partners. The neural network will be able to repair the injuredneural network. This work show the two different networks design approach and preliminary results obtained in the two projects.Secondly, this work hybridization to extend the interoperability of neuromorphic systems. Through a communication protocol using Ethernet, it is possible to interconnect electronic neuralnetworks, computer and biological. In the near future, it will increase the complexity and size of networks
8
Le, Masson Gwendal. "Stabilité fonctionnelle des réseaux de neurones : étude expérimentale et théorique dans le cas d'un réseau simple." Bordeaux 1, 1998. http://www.theses.fr/1998BOR10534.
Abstract:
Un des reseaux qui compose systeme nerveux stomatogastrique des crustaces, (le reseau pylorique) reste l'un des mieux connu en termes de proprietes cellulaires et de connexions synaptiques. Un des problemes auxquels ce reseau doit faire face est qu'il est constamment sujet a des influences modulatrices susceptibles d'en adapter l'activite (plasticite), mais il peut egalement etre soumis a des modifications externes. Malgre ces perturbations, ce reseau reste d'une remarquable stabilite dans son activite. Cette stabilite permet d'assurer en permanence une fonction pylorique liee au peristaltisme et au filtrage des aliments. Le but du present travail est de comprendre comment ces deux contraintes apparemment contradictoires (plasticite et stabilite) peuvent etre reunis au sein d'un meme reseau. Au chapitre i nous decrivons les outils mathematiques et informatiques que nous avons developpes. Ce chapitre decrira egalement les modeles de neurones que nous avons construits sur la base des donnees experimentales disponibles. Au cours du chapitre ii, nous decrivons en detail deux techniques originales. L'une, est appelee la methodes des reseaux hybrides, va nous permettre au cours du chapitre iii, de manipuler la structure synaptique du reseau pour en analyser plus finement ses proprietes. L'autre, plus theorique, est une methode d'optimisation utilisee pour estimer et mieux cerner certains parametres de nos modeles. Le chapitre iii est devolu a l'analyse de la stabilite structurelle du reseau pylorique. Les resultats majeurs obtenus sont les suivants : (1) la stabilite du rythme pylorique est assuree par au moins deux mecanismes synergiques. L'un est cellulaire et fait appel a une population de cellules auto-rythmiques dite pacemaker. L'autre est synaptique et fait intervenir une boucle d'inhibition recurrente cyclique. (2) la stabilite de l'organisation interne de la sequence motrice pylorique est assuree par une redondance de mecanismes. Enfin, le chapitre iv s'interesse au maintien a long terme des proprietes endogenes cellulaires face a divers types de perturbations. Nous soutenons l'hypothese qu'il existe des boucles de retrocontroles liant l'activite electrique moyenne des cellules a l'expression des canaux ioniques. Certains aspects de cette hypothese ont ete demontres experimentalement.
9
Wenzek, Didier. "Construction de réseaux de neurones." Phd thesis, Grenoble INPG, 1993. http://tel.archives-ouvertes.fr/tel-00343569.
Abstract:
La dénomination de réseaux de neurones recouvre tout un ensemble de méthodes de calcul dont le point commun est de décrire le calcul d'une solution a un probleme comme la recherche d'un état d'équilibre par un ensemble de cellules simples inter-agissant entre elles via un réseau de connections paramétrées. L'approche usuelle, pour obtenir un réseau de neurones ayant un comportement souhaite, consiste a tester sur des exemples un réseau choisi a priori et a modifier ses paramètres de contrôle jusqu'à ce que l'on obtienne un comportement satisfaisant. La difficulté de ces méthodes est que leur succès ou leur échec reposent sur le choix d'un premier réseau et que l'on ne dispose pas de règles permettant de déduire ce choix de la structure du probleme. La motivation de cette thèse a donc été de décrire des méthodes de synthèse permettant une construction modulaire de réseaux de neurones. Aussi, cette thèse propose une classe de réseaux de neurones parmi lesquels toute spécification de la forme chercher un élément de e (fini) vérifiant la propriété p admet au moins une réalisation. En outre, les réseaux de cette classe peuvent être combines pour obtenir un réseau réalisant une combinaison des spécifications des réseaux combines
10
Tsopze, Norbert. "Treillis de Galois et réseaux de neurones : une approche constructive d'architecture des réseaux de neurones." Thesis, Artois, 2010. http://www.theses.fr/2010ARTO0407/document.
Abstract:
Les réseaux de neurones artificiels connaissent des succès dans plusieurs domaines. Maisles utilisateurs des réseaux de neurones sont souvent confrontés aux problèmes de définitionde son architecture et d’interprétabilité de ses résultats. Plusieurs travaux ont essayé d’apporterune solution à ces problèmes. Pour les problèmes d’architecture, certains auteurs proposentde déduire cette architecture à partir d’un ensemble de connaissances décrivant le domaine duproblème et d’autres proposent d’ajouter de manière incrémentale les neurones à un réseauayant une taille initiale minimale. Les solutions proposées pour le problème d’interprétabilitédes résultats consistent à extraire un ensemble de règles décrivant le fonctionnement du réseau.Cette thèse contribue à la résolution de ces deux problèmes. Nous nous limitons à l’utilisationdes réseaux de neurones dans la résolution des problèmes de classification.Nous présentons dans cette thèse un état de l’art des méthodes existantes de recherche d’architecturede réseaux de neurones : une étude théorique et expérimentale est aussi faite. Decette étude, nous observons comme limites de ces méthodes la disponibilité absolue des connaissancespour construire un réseau interprétable et la construction des réseaux difficiles à interpréteren absence de connaissances. En alternative, nous proposons une méthode appelée CLANN(Concept Lattice-based Artificial Neural network) basée les treillis de Galois qui construit undemi-treillis à partir des données et déduire de ce demi-treillis l’architacture du réseau. CLANNétant limitée à la résolution des problèmes à deux classes, nous proposons MCLANN permettantd’étendre cette méthodes de recherche d’architecture des réseaux de neurones aux problèmes àplusieurs classes.Nous proposons aussi une méthode appelée ’Approche des MaxSubsets’ pour l’extractiondes règles à partir d’un réseau de neurones. La particularité de cette méthode est la possibilitéd’extraire les deux formats de règles (’si alors’ et ’m parmi N’) à partir d’une structure quenous construisons. Nous proposons aussi une façon d’expliquer le résultat calculé par le réseauconstruit par la méthode MCLANN au sujet d’un exempleThe artificial neural networks are successfully applied in many applications. But theusers are confronted with two problems : defining the architecture of the neural network able tosolve their problems and interpreting the network result. Many research works propose some solutionsabout these problems : to find out the architecture of the network, some authors proposeto use the problem domain theory and deduct the network architecture and some others proposeto dynamically add neurons in the existing networks until satisfaction. For the interpretabilityproblem, solutions consist to extract rules which describe the network behaviour after training.The contributions of this thesis concern these problems. The thesis are limited to the use of theartificial neural networks in solving the classification problem.In this thesis, we present a state of art of the existing methods of finding the neural networkarchitecture : we present a theoritical and experimental study of these methods. From this study,we observe some limits : difficulty to use some method when the knowledges are not available ;and the network is seem as ’black box’ when using other methods. We a new method calledCLANN (Concept Lattice-based Artificial Neural Network) which builds from the training dataa semi concepts lattice and translates this semi lattice into the network architecture. As CLANNis limited to the two classes problems, we propose MCLANN which extends CLANN to manyclasses problems.A new method of rules extraction called ’MaxSubsets Approach’ is also presented in thisthesis. Its particularity is the possibility of extracting the two kind of rules (If then and M-of-N)from an internal structure.We describe how to explain the MCLANN built network result aboutsome inputs
11
Rouach-Holcman, Nathalie. "Contribution de la communication jonctionnelle astrocytaire dans les interactions entre réseaux neuronaux et gliaux." Paris 6, 2002. http://www.theses.fr/2002PA066322.
12
Maktoobi, Sheler. "Couplage diffractif pour réseaux de neurones optiques." Thesis, Bourgogne Franche-Comté, 2020. http://www.theses.fr/2020UBFCD019.
Abstract:
Les réseaux photoniques à haute performance peuvent être considérés comme des supports pour les futurs systèmes de calcul. Contrairement à l'électronique, les systèmes photoniques offrent des avantages intéressants, par exemple la possibilité de réaliser des réseaux complètement parallèles. Récemment, les réseaux de neurones ont attiré l'attention de la communauté photonique. L'une des difficultés les plus importantes, en matière de réseaux photoniques parallèles à grande échelle, est la réalisation des connexions. La diffraction est exploitée ici comme méthode pour traiter les connexions entre les nœuds (couplage) dans les réseaux de neurones optiques. Dans cette thèse, nous étudions l'extensibilité d'un couplage diffractif en détails de la façon suivante :Tout d'abord, nous commençons par une introduction générale à propos de l'intelligence artificielle, de l'apprentissage machine, des réseaux de neurones artificiels et des réseaux de neurones photoniques. Lors de la conception d'un réseau neuronal fonctionnel, les règles de l'apprentissage machine sont des éléments essentiels pour optimiser une configuration et ainsi obtenir une faible erreur du système, donc les règles de l'apprentissage sont introduites (chapitre 1). Nous étudions les concepts fondamentaux du couplage diffractif dans notre réservoir spatio-temporel. Dans ce cas, la théorie de la diffraction est expliquée. Nous utilisons un schéma analytique pour fournir les limites en termes de taille des réseaux diffractifs, qui font partie intégrante de notre réseau neuronal photonique (chapitre 2). Les concepts du couplage diffractif sont étudiés expérimentalement dans deux expériences différentes afin de confirmer les limites obtenues analytiquement, et pour déterminer le nombre maximum de nœuds pouvant être couplés dans le réseau photonique (Chapitre 3). Les simulations numériques d'une telle expérience sont basées sur deux schémas différents pour calculer numériquement la taille maximale du réseau, qui approche une surface de 100 mm2 (chapitre 4). Enfin, l'ensemble du réseau neuronal photonique est démontré. Nous concevons un réservoir spatialement étendu sur 900 nœuds. En conséquence, notre système généralise la prédiction pour la séquence chaotique de Mackey-Glass (chapitre 5)Photonic networks with high performance can be considered as substrates for future computing systems. In comparison with electronics, photonic systems have substantial privileges, for instance the possibility of a fully parallel implementation of networks. Recently, neural networks have moved into the center of attention of the photonic community. One of the most important requirements for parallel large-scale photonic networks is to realize the connectivities. Diffraction is considered as a method to process the connections between the nodes (coupling) in optical neural networks. In the current thesis, we evaluate the scalability of a diffractive coupling in more details as follow:First, we begin with a general introductions for artificial intelligence, machine learning, artificial neural network and photonic neural networks. To establish a working neural network, learning rules are an essential part to optimize a configuration for obtaining a low error from the system, hence learning rules are introduced (Chapter 1). We investigate the fundamental concepts of diffractive coupling in our spatio-temporal reservoir. In that case, theory of diffraction is explained. We use an analytical scheme to provide the limits for the size of diffractive networks which is a part of our photonic neural network (Chapter 2). The concepts of diffractive coupling are investigated experimentally by two different experiments to confirm the analytical limits and to obtain maximum number of nodes which can be coupled in the photonic network (Chapter 3). Numerical simulations for such an experimental setup is modeled in two different schemes to obtain the maximum size of network numerically, which approaches a surface of 100 mm2 (Chapter 4). Finally, the complete photonic neural network is demonstrated. We design a spatially extended reservoir for 900 nodes. Consequently, our system generalizes the prediction for the chaotic Mackey–Glass sequence (Chapter 5)
13
Bedecarrats, Alexis. "Etude cellulaire de la genèse et de l'apprentissage d'un comportement motivé chez l'aplysie." Thesis, Bordeaux, 2014. http://www.theses.fr/2014BORD0452/document.
Abstract:
Les comportements motivés tels que les comportements alimentaires ou sexuels sont émis de façon irrégulière sous l’impulsion du système nerveux central. Ils sont régulés par des informations sensorielles et des apprentissages. Dans un apprentissage associatif, le conditionnement opérant appétitif, l’animal apprend les conséquences de son action parl’association d’une action à l’obtention d’une récompense (un stimulus à forte valeur appétitive). Il est établi que cet apprentissage induit la transition d’une motricité initialement peu fréquente et irrégulière en une motricité rythmique, fréquente et régulière. Cependant, les mécanismes cellulaires du système nerveux central qui sont responsables de cettetransition, restent largement méconnus. Notre étude chez le mollusque aplysie nous a permis d’identifier ces mécanismes dans un réseau neuronal identifié et générateur des patterns moteurs du comportement alimentaire. Sur des préparations du système nerveux isolé, nous avons sélectivement contrôlé l’expression fréquente d’une part et régulièred’autre part de la motricité apprise grâce à la manipulation expérimentale de la plasticité fonctionnelle de neurones pacemakers identifiés. Ainsi, nous avons nouvellement établi un lien de causalité entre (1) des modifications membranaires et l’accélération motrice et (2) le renforcement de synapses électriques et la régularité motrice. Nous avons mis en évidence le rôle du transmetteur dopamine dans l’induction de ces plasticités fonctionnelles et l’expression de la motricité fréquente et régulière. Enfin, nous avons analysé les propriétés intrinsèques du neurone responsable de l’impulsion spontanée et irrégulière de la motricité des animaux naïfs. Pour conclure, l’ensemble de ces travaux de thèse offre une vue étendue des mécanismes cellulaires qui déterminent la variabilité d’un comportement motivé et sarégulation par apprentissageMotivated behaviors such as feeding or sexual behavior are irregularly expressed by impulsive drives from the central nervous system. However, such goal-directed acts are regulated by sensory inputs and learning. In a form of associative learning, appetitive operant conditioning, an animal learns the consequences of its own actions by making the contingentassociation between an emitted act and delivery of a rewarding (highly appetitive) stimulus. It is now established that this learning procedure induces the transition from an initially infrequent and irregular motor activity to a frequent and regular behavior. However the cellular and central network mechanisms that mediate this behavioral plasticity remain poorlyunderstood. Our study on the marine sea slug Aplysia has allowed us to analyze these mechanisms in an identified neuronal network that is responsible for generating the motor patterns of the animal's feeding behavior. Using in vitro neuronal preparations, we selectively controlled the frequency and regularity of the motor activity induced by operant learning with experimental manipulations of the functional plasticity in identified pacemaker neurons. We found for the first time a causal relationship between the learning-induced plasticity and (1) changes in pacemaker neuron membrane properties and the increased frequency of feeding motor activity, and (2), in the strength of their interconnecting electrical synapses and the regularized phenotype of this motor activity. We then addressed the role of the transmitterdopamine in the induction of this functional plasticity and specifically the expression of a frequent and stereotyped rhythmic feeding motor pattern. Finally, we analyzed the intrinsic membrane properties of the essential pacemaker neuron for generating the irregular motor drive in naïve animals. In conclusion, the data from this thesis work have provided novelinsights into the cellular and synaptic mechanisms underlying the intrinsic variability of a motivated behavior and its regulation by learning
14
Soula, Hédi. "Dynamique et plasticité dans les réseaux de neurones à impulsions : étude du couplage temporel réseau / agent / environnement." Lyon, INSA, 2005. http://theses.insa-lyon.fr/publication/2005ISAL0056/these.pdf.
Abstract:
Dans ce travail, une approche de "vie artificielle" est utilisée pour étudier le support neural des comportements. Un comportement est issu d'une bonne adéquation entre le système de contrôle, les capacités sensori-motrices de l'agent et de l'environnement. Dans un paradigme dynamique, un comportement est ainsi un attracteur dans l'espace perception/action - composé de la dynamique interne du contrôleur et de celle obtenue par l'évolution de l'agent. La dynamique neurale est à l'origine de la dynamique interne. L'apprentissage de comportement revient donc à coupler ces deux dynamiques. Nous introduisons, dans un premier temps, une étude détaillée de la dynamique nerveuse dans le cas de réseaux de neurones à impulsions. En mode spontané (c'est-à-dire sans entrées), ces réseaux opèrent de manière non triviale. Selon les paramètres de la distribution de poids synaptiques, nous sommes en mesure d'estimer complètement l'activité de décharge. On montre l'existence d'une bifurcation pour le paramètre de couplage : la variance de la distribution. Nous montrons aussi que ce facteur de couplage mesure le charactère chaotique du fonctionnement du réseau. Pour apprendre des comportement, nous utilisons un algorithme biologiquement plausible la Spike-Time Dependent Plasticity qui permet de coupler la dynamique neurale. Nous montrons en dynamique spontanée l'influence des paramètres d'apprentissage sur le fonctionnement du réseau. Nous montrons que la STDP permet de rester dans un régime "au bord du chaos". Dans le but de valider cette approche, nous utilisons le réseau pour controler un robot qui doit apprendre à éviter les obstacles en servant uniquement du flot visuelAn «artificial life » approach is conducted in order to assess the neural basis of behaviours. Behaviour is the consequence of a good concordance between the controller, the agent’s sensori-motors capabilities and the environment. Within a dynamical system paradigm, behaviours are viewed as attractors in the perception/action space – derived from the composition of the internal and external dynamics. Since internal dynamics is originated by the neural dynamics, learning behaviours therefore consists on coupling external and internal dynamics by modifying network’s free parameters. We begin by introducing a detailed study of the dynamics of large networks of spiking neurons. In spontaneous mode (i. E. Without any input), these networks have a non trivial functioning. According to the parameters of the weight distribution and provided independence hypotheses, we are able to describe completely the spiking activity. Among other results, a bifurcation is predicted according to a coupling factor (the variance of the distribution). We also show the influence of this parameter on the chaotic dynamics of the network. To learn behaviours, we use a biologically plausible learning paradigm – the Spike-Timing Dependent Plasticity (STDP) that allows us to couple neural and external dynamics. Applying shrewdly this learning law enables the network to remain “at the edge of chaos” which corresponds to an interesting state of activity for learning. In order to validate our approach, we use these networks to control an agent whose task is to avoid obstacles using only the visual flow coming from its linear camera. We detail the results of the learning process for both simulated and real robotics platform
15
Voegtlin, Thomas. "Réseaux de neurones et auto-référence." Lyon 2, 2002. http://theses.univ-lyon2.fr/documents/lyon2/2002/voegtlin_t.
Abstract:
Le sujet de cette thèse est l'étude d'une classe d'algorithmes d'apprentissage non supervisés pour réseaux de neurones récurrents. Dans la 1ere partie (chap. 1 à 4), je présente plusieurs algorithmes, basés sur un même principe d'apprentissage : l'auto-référence. L'apprentissage auto-référent n'implique pas l'optimisation d'un critère objectif (comme une fonction d'erreur), mais il fait intervenir une fonction subjective, qui dépend de ce que le réseau a déjà appris. Un exemple de réseau supervisé basé sur ce principe est le Simple Recurrent Netword d'Elman (1990). Dans ce cas, l'auto-référence est appliquée à l'algorithme de rétro-propagation du gradient. Sur ce point, le réseau d'Elman diffère des autres méthodes de rétro-propagation pour réseaux récurrents, qui font intervenir un gradient objectif (Back-propagation Through Time, Real-Time Recurrent learning). Je montr que l'auto-référence peut être utilisée avec les principales techniques d'apprentissage non supervisé : Cartes de Kohonen, Analyse en composantes principales, Analyse en composantes indépendantes. Ces techniques sont classiquement utilisées pour représenter des données statiques. L'auto-référence permet de les généraliser à des séries temporelles, et de définir des algorithmes d'apprentissage nouveauxThe purpose of this thesis is to present a class of unsupervised learning algorithms for recurrent networks. In the first part (chapters 1 to 4), I propose a new approach to this question, based on a simple principle: self-reference. A self-referent algorithm is not based on the minimization of an objective criterion, such as an error function, but on a subjective function, that depends on what the network has previously learned. An example of a supervised recurrent network where learning is self-referent is the Simple Recurrent Network (SRN) by Elman (1990). In the SRN, self-reference is applied to the supervised error back-propagation algorithm. In this aspect, the SRN differs from other generalizations of back-propagation to recurrent networks, that use an objective criterion, such as Back-Propagation Through Time, or Real-Time Recurrent Learning. In this thesis, I show that self-reference can be combined with several well-known unsupervised learning methods: the Self-Organizing Map (SOM), Principal Components Analysis (PCA), and Independent Components Analysis (ICA). These techniques are classically used to represent static data. Self-reference allows one to generalize these techniques to time series, and to define unsupervised learning algorithms for recurrent networks
16
Teytaud, Olivier. "Apprentissage, réseaux de neurones et applications." Lyon 2, 2001. http://theses.univ-lyon2.fr/documents/lyon2/2001/teytaud_o.
Abstract:
Les fondements théoriques de l'apprentissage sont en grande partie posés. Comme la calculabilité est venue à maturité en s'orientant vers la complexité, l'apprentissage mûrit face à des résultats négatifs forts qui rendent sans espoir la quête d'algorithmes universels, efficaces pour toute donnée. Vraisemblablement les grandes avancées à venir seront (a) soit dans des domaines connexes où l'étude théorique a moins été poussée, (b) soit moins philosophiques et plus concrètes (théorique à préoccupations algorithmiques, représentation de données structurées, implémentation physique, modularité), soit enfin (c) dans la modélisation biologique. Cette thèse résume (et essaie modestement de compléter) les avancées théoriques statistiques, des points de vue successifs des cas où l'apprentissage est difficile (i. E. , où l'on sort du cadre iid sans bruit avec a priori de VC-dimension finie), des utilisations non-standards de la VC-théorie (non-supervisé, extraction de règles : c'est le (a) ci-dessus), puis du passage au concret avec le passage aux préoccupations algorithmiques (validité des approximations dans les Supports Vector Machines, efficacité des algorithmes de Gibbs quoique l'étude soit très incomplète, plus proches voisins rapides d'un point de vue expérimental représentation de données structurées images ou textes - tout cela est le (b)) et la modélisation biologique (c)
17
Côté, Marc-Alexandre. "Réseaux de neurones génératifs avec structure." Thèse, Université de Sherbrooke, 2017. http://hdl.handle.net/11143/10489.
Abstract:
Cette thèse porte sur les modèles génératifs en apprentissage automatique. Deux nouveaux modèles basés sur les réseaux de neurones y sont proposés. Le premier modèle possède une représentation interne où une certaine structure a été imposée afin d’ordonner les caractéristiques apprises. Le deuxième modèle parvient à exploiter la structure topologique des données observées, et d’en tenir compte lors de la phase générative.
Cette thèse présente également une des premières applications de l’apprentissage automatique au problème de la tractographie du cerveau. Pour ce faire, un réseau de neurones récurrent est appliqué à des données de diffusion afin d’obtenir une représentation des fibres de la matière blanche sous forme de séquences de points en trois dimensions.
18
Brette, Romain. "Modèles Impulsionnels de Réseaux de Neurones Biologiques." Phd thesis, Université Pierre et Marie Curie - Paris VI, 2003. http://tel.archives-ouvertes.fr/tel-00005340.
Abstract:
Les neurosciences computationnelles sont traditionnellement dominées par la conception selon laquelle les neurones codent l'information à travers leur fréquence de décharge. Récemment, les observations expérimentales de synchronisation neuronale ont motivé un renouveau du point de vue impulsionnel, selon lequel la structure temporelle des décharges est pertinente. Les modèles impulsionnels étant moins bien compris que leurs homologues fréquentiels, nous commençons par établir des résultats théoriques généraux, qui nous permettent en particulier de montrer que les modèles impulsionnels répondent de manière reproductible aux stimulations variables apériodiques. Cette propriété nous permet de construire un modèle de sélectivité à l'orientation dans le cortex visuel, le perceptron impulsionnel, qui, en détectant une propriété géométrique de l'image plutôt que l'adéquation entre l'image et un patron, permet d'obtenir avec une architecture feedforward une invariance naturelle au contraste.
19
Desmaisons, David. "Oscillations de réseau et synchronisation dans le bulbe olfactif : une étude in vitro." Paris 6, 2001. http://www.theses.fr/2001PA066415.
20
Bugnicourt, Ghislain. "Adhésion, croissance et polarisation de neurones sur substrats micro-et nano-structurés." Phd thesis, Université de Grenoble, 2011. http://tel.archives-ouvertes.fr/tel-00665074.
Abstract:
Cette thèse s'intéresse au développement neuronal in vitro dans le but ultime d'enregistrer l'activité de réseaux de neurones à géométrie et connectivité contrôlées. Le développement neuronal est régi par un ensemble de régulations, intrinsèques mais également sous contrôle de facteurs extérieurs, qui permettent à la cellule d'adhérer à un substrat, de croître, et de se polariser. Une partie de ce travail de thèse explore deux types de contraintes physiques de l'environnement que sont la géométrie d'adhésion et la rugosité de surface. La première révèle l'implication des forces dans les stades précoces de développement neuronal régis par un phénomène de compétition neuritique, et permet in fine de contrôler la direction d'émission de l'axone, notamment par une inhibition de sa différenciation sur lignes ondulées. La seconde montre que la distribution des points d'adhésion peut accélérer la croissance jusqu'à favoriser la polarisation axonale. L'autre partie de ce travail s'attache à résoudre le problème technologique majeur qu'est le remplissage des sites d'adhésion par le biais d'une attraction magnétique, et démontre la possibilité de faire croître des réseaux neuronaux modèles sur nanotransistors.
21
Chauvet, Pierre. "Sur la stabilité d'un réseau de neurones hiérarchique à propos de la coordination du mouvement." Angers, 1993. http://www.theses.fr/1993ANGE0011.
Abstract:
Dans le premier chapitre, quelques réseaux de neurones capables d'apprendre des mouvements sont présentés. Un modèle du cortex cérébelleux, très impliqué dans la coordination des mouvements, est décrit en détail : c'est un réseau hiérarchique de réseaux de neurones linéaires, appelés unités de Purkinje, qui respectent la connectivité réelle. Les poids synaptiques, en apprentissage, sont modifiés par une règle de covariance. L'étude de ce modèle a permis de définir de nouvelles règles d'apprentissage appelées règles d'apprentissage variationnelles. L'objectif de cette thèse est d'en étudier les conditions de validité pour des unités non linéaires et d'en déduire une explication sur la manière dont la coordination de mouvements est apprise. Dans le deuxième chapitre, une unité de Purkinje linéaire plus générale est analysée. Les notions d'apprentissage et de reconnaissance sont approfondies. Il est montre qu'en phase d'apprentissage, une unité linéaire converge et est stable au sens de Lyapunov, sous certaines conditions. Sous ces mêmes conditions, les règles variationnelles vues dans le chapitre précédent sont confirmées. Dans la première partie du troisième chapitre, il est supposé que les neurones de l'unité sont non linéaires. Sa stabilité au sens de Lyapunov est étudiée par linéarisation autour d'un point équilibre. Dans la seconde partie, des délais sont introduits à l'intérieur de l'unité entre certains neurones. Il en résulte que l'unité possède une dynamique interne. Les conditions de convergence de la sortie de l'unité sont alors déterminées. Finalement, les règles variationnelles sont confirmées sous certaines conditions pour cette unité non linéaire. Dans le quatrième chapitre, l'étude d'un réseau d'unités de Purkinje est entreprise. Après l'étude d'un réseau simple, des délais entre unités sont introduits. Des conditions de stabilité de réseaux d'unités non linéaires sont déterminées et des simulations numériques permettent de vérifier que les règles variationnelles sont bien suivies. Enfin, un exemple de coordination musculaire apprise par un réseau est donné.
22
Nadal, Jean-Pierre. "Deux applications de la physique des systèmes désordonnés : croissance de structures et réseaux de neurones." Paris 11, 1987. http://www.theses.fr/1987PA112029.
Abstract:
Étude statistique des structures connexes sur les réseaux de percolation. Une modélisation est faite sur le déplacement d'un fluide mouillant par un fluide non mouillant en milieu poreux. Une analyse détaillée sur le fonctionnement d'une mémoire associative par dualité avec la neurobiologie en particulier sur les mémoires à court-termes.
23
Jodouin, Jean-François. "Réseaux de neurones et traitement du langage naturel : étude des réseaux de neurones récurrents et de leurs représentations." Paris 11, 1993. http://www.theses.fr/1993PA112079.
Abstract:
Le but de ce travail a été d'évaluer les possibilités d'application des réseaux connexionnistes aux taches de haut niveau comme le traitement du langage naturel (tln). Un travail de réflexion a permis de cerner les types de réseaux et les techniques de représentation propices à ce domaine d'application. Deux réseaux de la classe des réseaux récurrents à couches ont été sélectionnés pour des études approfondies: le simple récurrent network et le time-unfolding network (tun). Le perceptron multicouches a servi d'étalon. Un domaine d'application mettant à l'épreuve la mémoire et les capacités de représentation des réseaux a aussi été choisi: la prédiction de séquences non déterministes. Un outil de simulation graphique, Baptise Simon, a été crée pour l'étude. Le travail empirique a consisté en trois séries d'expériences qui ont pour but d'étudier les capacités de réseaux dans des conditions se rapprochant progressivement du traitement d'énoncés réels. Cette étude a été approfondie par l'analyse des représentations développées par les réseaux durant leur traitement. Cette recherche semble montrer que les réseaux récurrents ont le potentiel de développer des représentations complexes, ce qui leur permet de traiter de façon efficace les taches qui leur ont été données. En particulier, les performances des tuns dépassent, dans le meilleur des cas, celles de nos meilleurs outils de comparaison. En conclusion, les réseaux récurrents à couches ont une utilité immédiate à la frontière entre la parole (ou l'information est généralement bruitée et incomplète) et le langage (ou les représentations symboliques pures supportent mal ce type d'imprécision). De plus, si un important travail de recherche reste encore à faire, les résultats obtenus permettent d'espérer l'application future de ces réseaux à des taches plus évoluées du tln
24
Picardo, Michel. "Origine embryonnaire et propriétés morpho-physiologiques des neurones hubs de l'hippocampe en développement." Thesis, Aix-Marseille, 2012. http://www.theses.fr/2012AIXM4057.
Abstract:
Nous avons récemment mis en évidence des neurones GABAergiques jouant un rôle de « hub » dans l'hippocampe immature, orchestrant la synchronisation neuronale via une arborisation axonale dense. Dans ma thèse, j'ai d'abord montré, grâce à des enregistrements électrophysiologiques par paires, que les hubs étaient connectés à de nombreux neurones par des synapses GABAergiques fonctionnelles (Bonifazi et al. 2009). Puis, en utilisant des souris mutantes conditionnelles où les neurones sont marqués en fonction de leur origine embryonnaire, j'ai démontré que les neurones GABAergiques générés le plus tôt formaient une famille de hubs. Ces neurones sont toujours présents chez l'adulte et deviennent des neurones GABAergiques de projection extrahippocampique. Ceci suggère que la fonction de ces neurones serait maintenue, du moins anatomiquement, au stade adulteWe have recently demonstrated the existence of functional hubs driving network synchronizations in the developing hippocampus. Hubs are a subpopulation of GABAergic neurons displaying widespread axonal projections. During my PhD, using paired electrophysiological recordings, I have shown that hub cells are synaptically connected to a large number of neurons (Bonifazi et al. 2009). Next, using genetic fate mapping approaches, I have demonstrated that early born GABAergic neurons constitute a subpopulation of hub cells. These pioneer hub cells remain into adulthood and develop into GABAergic neurons with an extrahippocampal projection (Picardo et al. 2011). This suggests that hub function may to retained into adulthood, at least structurally
25
Duhr, Fanny. "Voies de signalisation associées au récepteur 5-HT6 et développement neuronal." Thesis, Montpellier, 2015. http://www.theses.fr/2015MONTT042/document.
Abstract:
La mise en place des circuits neuronaux est un processus complexe et précisément régulé. Une atteinte de ce processus est à l'origine de diverses pathologies neurodéveloppementales telles que la schizophrénie ou les troubles du spectre autistique, désordres psychiatriques partageant une altération des fonctions cognitives. Le récepteur 6 de la sérotonine (récepteur 5-HT6), notamment connu pour son implication dans la migration neuronale, s'est révélé être une cible thérapeutique de choix dans le traitement des symptômes cognitifs associés à la schizophrénie mais aussi à des pathologies neurodégénératives comme la maladie d'Alzheimer. Cependant la signalisation déclenchée par le récepteur 5-HT6 n'explique pas entièrement son implication dans les processus neurodéveloppementaux. Mon travail de thèse a donc visé à comprendre les mécanismes de signalisation engagés par le récepteur 5-HT6 au cours du développement neuronal. La réalisation d'un crible protéomique a permis de montrer que le récepteur 5-HT6 interagissait avec plusieurs protéines cruciales dans le développement neuronal comme la protéine Cdk5 et sa cible WAVE-1. J'ai ensuite pu démontrer qu'en plus de son rôle dans la migration, le récepteur 5-HT6 contrôlait de façon agoniste-indépendante l'élongation des neurites par un mécanisme impliquant la phosphorylation de son domaine C-terminal par la kinase Cdk5 et l'activation de la RhoGTPase Cdc42. La seconde partie de mon travail a visé à mettre en évidence le rôle du récepteur 5-HT6 dans la formation des épines dendritiques et à comprendre l'implication de la protéine WAVE-1, cible de Cdk5, dans ce processus. Les résultats obtenus au cours de ma thèse apportent de nouveaux éléments quant au contrôle des processus neurodéveloppementaux par le récepteur 5-HT6. Ce récepteur apparaît donc comme une cible thérapeutique de choix dans les atteintes neurodéveloppementales en contribuant au développement des circuits cognitifs en relation avec la physiopathologie des troubles du spectre autistique ou de la schizophrénieBrain circuitry patterning is a complex, highly regulated process. Alteration of this process is affected gives rise to various neurodevelopmental disorders such as schizophrenia or Autism Spectrum Disorders (ASD), which are both characterized by a wide spectrum of deficits. Serotonin 6 receptor (5-HT6 receptor), which is known for its implication in neuronal migration process, has been identified as a key therapeutic target for the treatment of cognitive deficits observed in schizophrenia, but also in neurodegenerative pathologies such as Alzheimer's disease. However, the signalling mechanisms knowned to be activated by the 5-HT6 receptor do not explain its involvement in neurodevelopmental processes. My thesis project therefore aimed at characterizing the signalling pathways engaged by 5-HT6 receptor during neural development. A proteomic approach allowed me to show that the 5-HT6 receptor was interacting with several proteins playing crucial roles in neurodevelopmental processes such as Cdk5 or WAVE-1. I then demonstrated that, besides its role in neuronal migration, the 5-HT6 receptor was also involved in neurite growth through constitutive phosphorylation of 5-HT6 receptor at Ser350 by associated Cdk5, a process leading to an increase in Cdc42 activity. The second part of my work aimed at understanding the role of 5-HT6 receptor in dendritic spines morphogenesis, and the involvement of WAVE-1 and Cdk5 in this process. These results provide new insights into the control of neurodevelopemental processes by 5-HT6 receptor. Thus, 5-HT6 receptor appears to be a key therapeutic target for neurodevelopmental disorders by contributing to the development of cognitive circuitry related to the pathophysiology of ASD or schizophrenia
26
Bigot, Pascal. "Utilisation des réseaux de neurones pour la télégestion des réseaux techniques urbains." Lyon 1, 1995. http://www.theses.fr/1995LYO10036.
Abstract:
La telegestion des reseaux techniques urbains fait appel a des techniques de reconnaissance de formes: etant donnee une image de l'etat du reseau, determiner si il fonctionne correctement ou non. Une methode employee pour resoudre ce type de probleme fait appel aux reseaux de neurones. Nous definissons une methodologie de construction de l'architecture employee afin d'obtenir des capacites de generalisation satisfaisantes. On s'oriente vers un reseau multicouches et l'algorithme de retropropagation du gradient. Nous precisons aussi une methodologie d'elaboration des bases d'apprentissage qui tienne compte de la nature numerique des donnees utilisees et, en particulier, des sources d'incertitudes qui les caracterisent. Celles-ci sont d'ordre physique (erreurs dues a l'imprecision des mesures et a la presence de bruit) et d'ordre statistique (erreurs dues a des previsions de grandeurs non mesurables). La methode utilisee suppose que l'on peut mesurer tous les parametres necessaires a sa mise en uvre. Ce qui n'est pas le cas dans la pratique. C'est pourquoi nous explorons differentes techniques de selection des parametres mesures et nous etudions les degradations eventuelles des capacites de detection. Nous etudions ensuite un systeme de localisation geographique des anomalies qui utilise les reseaux de neurones. On en montre les limitations. Cette approche est experimentee sur un reseau de distribution d'eau potable. Nous developpons d'autre part une etude theorique sur les relations qui existent entre les fonctions calculables par un reseau de neurones et celles qui sont calculables par un arbre binaire de decision. Ceci nous conduit a des algorithmes d'apprentissage pour des reseaux de neurones dont l'architecture (le nombre de neurones par couches) est variable
27
Tardif, Patrice. "Autostructuration des réseaux de neurones avec retards." Thesis, Université Laval, 2007. http://www.theses.ulaval.ca/2007/24240/24240.pdf.
28
Ouali, Jamel. "Architecture intégrée flexible pour réseaux de neurones." Grenoble INPG, 1991. http://www.theses.fr/1991INPG0035.
Abstract:
Ayant rappelé brièvement quelques réalisations matérielles de réseaux de neurones artificiels dans un premier chapitre cette thèse propose une architecture distribuée, synchrone fondée sur l'existence d'un processeur neurone autonome. Ce processeur pourra être personnalise suivant les caractéristiques du réseaux de neurones a implanter et pourra être connecte a d'autres neurones pour former un réseau de structure et de dimension fixées. Ce neurone se présente comme un circuit dédié fabrique dans un temps court dans un environnement du type compilateur de silicium. Un tel neurone a été conçu et fabrique et s'est avéré complètement opérationnel. Il implémenté sous sa version fabrique uniquement la phase de relaxation. Dans un troisième chapitre, on montre que sans modification de l'architecture, on peut inclure des possibilités d'apprentissage. Pour ceci un algorithme d'apprentissage par la rétropropagation du gradient a été propose et étudié et on montre son implantation sur le réseau de neurones propose en précisant l'adjonction dans la partie de contrôle du neurone a implanter. Enfin, dans un dernier chapitre, nous explorons la possibilité de réaliser de très grands circuits ce qui serait très judicieux pour faire face a la taille des réseaux de neurones requise pour les applications. Pour ceci, nous explorons les possibilités d'intégration tranche entière. En effet, il existe une tolérance aux fautes intrinsèques au calcul neuronal et de plus l'implantation physique régulière doit permettre d'isoler et d'exclure les neurones défaillants. Les possibilités d'implantation physique d'une architecture tranche entière sont donc présentées dans ce chapitre
29
Cabirol-Pol, Marie-Jeanne. "Caractérisation morphofonctionnelle d'un réseau neuronal simple : implications de la géométrie des neurones et de la ségrégation des synapses intra-réseau et modulatrices." Bordeaux 1, 1998. http://www.theses.fr/1998BOR10561.
Abstract:
L'etude morphofonctionnelle d'un reseau neuronal paucineuronique a ete realisee chez les crustaces et plus precisement sur des neurones identifies du reseau pylorique du systeme nerveux stomatogastrique chez le homard breton, homarus gammarus. Dans un premier temps, la morphologie globale des differents types neuronaux du reseau (exprimant chacun des proprietes particulieres telles que des oscillations du potentiel de membrane, des potentiels de plateau) a ete caracterisee a l'aide de marquages in toto par injection intracellulaire de peroxydase. Ce travail a mis en evidence des traits architecturaux communs a tous les neurones du reseau mais aussi des caracteres propres a chacun d'entre eux leur conferant ainsi une veritable personnalite morphologique. Dans un second temps, il a ete mis au point une technique de double marquage permettant l'observation, d'abord en microscopie confocale puis en microscopie electronique, de deux neurones identifies du reseau et connectes par une synapse chimique inhibitrice. Grace a la combinaison de cette technique avec des techniques electrophysiologiques, il a ete apporte des arguments suggerant que les synapses intra-reseau sont supportees par un petit nombre de sites morphologiquement distincts et qu'elles font l'objet d'une segregation spatiale extremement poussee puisqu'elles ne concernent que 5% de l'arborisation des neurones pyloriques. Les consequences fonctionnelles de cette segregation ont ete abordees. Dans un troisieme temps, une etude ultrastructurale de ces neurones a ete entreprise afin notamment de connaitre le role des 95% restants de leur arborisation. Cette etude apporte des arguments suggerant que ceux-ci, c'est a dire la quasi-totalite de l'arborisation neuronale, servent a la reception d'informations neuromodulatrices. De plus, au cours de ces observations ultrastructurales, le support morphologique de relations synaptiques deja analysees fonctionnellement mais egalement celui de relations non encore connues sur le plan fonctionnel ont ete mis en evidence.
30
Marissal, Thomas. "Une approche développementale de l' hétérogénéité fonctionnelle des neurones pyramidaux de CA3." Thesis, Aix-Marseille, 2012. http://www.theses.fr/2012AIXM4001/document.
Abstract:
Les neurones pyramidaux de la région CA3 de l'hippocampe présentent une diversité morphologique, physiologique, biochimique, mais aussi fonctionnelle. Une partie des caractéristiques des neurones étant acquise pendant le développement, nous avons formulé l'hypothèse que la diversité morpho-fonctionnelle des neurones pyramidaux serait déterminée aux stades embryonnaires. Pour tester cette hypothèse, nous avons utilisé des souris transgéniques pour lesquelles l'expression d'un marqueur fluorescent (GFP) est conditionnée par la date de neurogenèse des neurones glutamatergiques. Nous avons enregistré l'activité des neurones en imagerie calcique et montré que les neurones pyramidaux nés le plus tôt déchargent pendant la phase d'initiation des activités épileptiformes générées par le blocage pharmacologique de la transmission GABAergique rapide. De plus, nous montrons que ces neurones précoces possèdent des propriétés morpho-physiologiques distinctes. Enfin, nous montrons que la stimulation de neurones pyramidaux nés tôt peut générer des activités épileptiformes à des stades immatures lorsqu'ils sont stimulés en groupe, et à des stades juvéniles lorsqu'ils sont stimulés individuellement. Ainsi nous démontrons qu'il existe un lien entre la date de neurogenèse et les propriétés morpho-fonctionnelles des neurones pyramidaux de CA3There is increasing evidence that CA3 pyramidal cells are biochemically, electrophysiologically, morphologically and functionally diverse. As most of these properties are acquired during development, we hypothesized that the heterogeneity of the morphofunctionnal properties of pyramidal cells could be determined at the early stages of life. To test this hypothesis, we used a transgenic mouse line in which we glutamatergic cells are labelled with GFP according to their birth date. Using calcium imaging, we recorded multineuron activity in hippocampal slices and show that early generated pyramidal neurons fire during the build-up phase of epileptiform activities generated in the absence of fast GABAergic transmission. Moreover, we show that early generated pyramidal neurons display distinct morpho-physiological properties. Finally, we demonstrate that early generated neurons can generate epileptiform activities when stimulated as assemblies at immature stages, and when stimulated individually at juvenile stages. Thus we suggest a link between the date of birth and the morpho-functional properties of CA3 pyramidal neurons
31
Jarre, Guillaume. "Etude des réseaux neuronaux du cortex somatosensoriel au cours de l'épileptogenèse dans un modèle d'épilepsie génétique." Thesis, Université Grenoble Alpes (ComUE), 2017. http://www.theses.fr/2017GREAV064.
Abstract:
Le cerveau est composé de réseaux de neurones interconnectés dont la mise en place au cours du développement cérébral est hautement régulée par des processus cellulaires, moléculaires et fonctionnels. Un dysfonctionnement de ces processus peut perturber l’établissement de ces réseaux et conduire à des pathologies neurologiques. L’épilepsie absence est une pathologie génétiquement déterminée qui apparait au cours de l’enfance. Les crises d’absences sont caractérisées par une altération de la conscience et par la présence de décharges de pointe-ondes (DPO) sur l’électroencéphalogramme initiées au sein d’un zone restreinte du cortex. Cependant, on sait peu de choses sur les mécanismes conduisant à la mise en place des décharges épileptiques récurrentes au cours de l’enfance (i.e. l’épileptogenèse). Nous avons fait l’hypothèse que des anomalies du processus de maturation cérébrale sont à l’origine de l’apparition des DPO.J’ai vérifié cette hypothèse chez un modèle génétique d’épilepsie absence, le rat GAERS. Dans un premier temps, j’ai étudié l’épileptogenèse du GAERS grâce à l’enregistrement in vivo du potentiel de champs local et de l’activité intracellulaire des neurones pyramidaux au niveau du site d’initiation des DPO, le cortex somatosensoriel (SoCX). Nous avons mis en évidence que les DPO se développent progressivement après la fin d’une période de maturation hautement sensible et malléable du SoCx (i.e. période critique). La maturation des décharges épileptiques consiste en une augmentation de leur fréquence, de leur durée et en l’évolution du motif de décharge jusqu’à l’âge adulte, période à laquelle ces paramètres atteignent une relative stabilité. De plus, ces changements sont associés à une altération graduelle des propriétés intrinsèques des neurones pyramidaux qui s’accompagne d’une augmentation progressive de la force de l’activité synaptique locale et d’une propension accrue des neurones du SoCx à générer des oscillations synchrones.Nous avons ensuite recherché les raisons de cette prédisposition anormale des neurones du SoCx à se synchroniser chez le GAERS. Dans ce but, nous avons cherché à mettre en évidence des anomalies de la maturation corticale au niveau de la structure et de l’organisation fonctionnelle du SoCx avant l’apparition des DPO. En combinant l’IRM, des marquages immunohistochimiques et le traçage rétrograde monosynaptique des connexions longue distance par le virus de la rage modifié, nous avons pu montrer qu’aucune anomalie globale du cerveau et du SoCx n’est présente chez le GAERS avant l’apparition des DPO. Afin de déterminer la présence d’anomalies fonctionnelles nous avons utilisé l’imagerie calcique biphoton et enregistré in vivo la dynamique de l’activité spontanée du réseau de neurones des couches 2-3 du SoCx. Chez le GAERS, nous avons mis en évidence que ces neurones sont plus actifs et dévoilent une organisation fonctionnelle différente de celle des animaux contrôles. Enfin, pour comprendre comment cette organisation fonctionnelle anormale est médiée, nous avons étudié la structure dendritique et synaptique du SoCx en combinant la microscopie électronique et la reconstruction morphologique de neurones. Nous avons mis en évidence un élargissement des épines dendritiques associé à un allongement de la densité post-synaptique au sein du SoCx chez le GAERS.L’ensemble de ces résultats démontrent la nature progressive du développement de l’épilepsie absence ainsi que l’existence d’anomalies de la maturation corticale qui affectent la structure et la fonction du réseau neuronal, avant l’apparition des crises épileptiques. Ces altérations constituent une prédisposition à l’établissement et l’évolution des DPO et sont une cible thérapeutique potentielle qui pourrait permettre de bloquer la mise en place des crises d’absencesThe brain is organized into several interconnected neuronal networks whose formation is highly regulated by cellular, molecular and functional processes. The dysfunction of these processes during brain development could disrupt neuronal circuit establishment and lead to neurological pathologies. Absence epilepsy is a genetically determined disease with a childhood onset. Absence seizures are characterized by an impairment of the consciousness associated on the electroencephalogram with spike and wave discharges (SWD). However, little is known about the mechanisms leading to the establishment of recurrent epileptic discharges (i.e. epileptogenesis). We hypothesized that SWD onset originates from an abnormal brain maturation.During my PhD, I examined this hypothesis in a recognized genetic model of absence epilepsy, the GAERS rat. First, I studied the epileptogenic process by recording in vivo the local field potential and the intracellular activities of pyramidal neurons in the initiating area of SWD, the somatosensory cortex (SoCx), at different post natal days in GAERS. We showed that SWD progressively developed after the end of a highly sensitive and plastic maturation period of the SoCx (i.e critical period). Afterward, epileptic discharges maturation consists in an increase of their duration, their number and in an evolution of the pattern reaching a relative stability at adulthood. Moreover, these changes are associated with a gradual abnormal alteration of the intrinsic properties of pyramidal neurons which is accompanied with a progressive increase in the strength of the local synaptic activity and a growing propensity of SoCx neurons to generate synchronized oscillations.Then, we explored the reasons for this abnormal susceptibility of SoCx neurons to be more synchronized in GAERS. We sought to bring to light anomalies of SoCx maturation at the structural and functional organization level prior to SWD onset in GAERS. Combining MRI, immunohistochemistry labeling and rabies-mediated retrograde monosynaptic tracing to reveal long-range connectivity, we showed that, prior to SWD onset, no brain and SoCx architecture abnormalities could be observed in GAERS. Then, using two photon calcium imaging we recorded in vivo the spontaneous activity of SoCx layers 2-3 neurons to evidence their functional organization. We found that these neurons were more active and unveiled a different functional organization in GAERS compared to control animals. Finally, to understand how is mediated this abnormal functional organization, we studied the dendritic and synaptic fine structure of SoCx neurons by combining electron microscopy and morphological neuron reconstruction. We highlighted an enlargement of the dendritic spines as well as an increase of the post-synaptic density length in the GAERS SoCx.Taken together, these findings showed the progressive nature of absence epilepsy development and the presence of abnormalities in the cortical maturation which affect the structure and the functional of the neuronal network the prior to SWD. These alterations constitute a breeding ground for the establishment and evolution of SWD. Future studies will aim at interfering with the epileptogenesis process should target these early alterations to stop seizure development
32
Abadi, Mehdi. "Réalisation d'un réseau de neurones "SOM" sur une architecture matérielle adaptable et extensible à base de réseaux sur puce "NoC"." Thesis, Université de Lorraine, 2018. http://www.theses.fr/2018LORR0068/document.
Abstract:
Depuis son introduction en 1982, la carte auto-organisatrice de Kohonen (Self-Organizing Map : SOM) a prouvé ses capacités de classification et visualisation des données multidimensionnelles dans différents domaines d’application. Les implémentations matérielles de la carte SOM, en exploitant le taux de parallélisme élevé de l’algorithme de Kohonen, permettent d’augmenter les performances de ce modèle neuronal souvent au détriment de la flexibilité. D’autre part, la flexibilité est offerte par les implémentations logicielles qui quant à elles ne sont pas adaptées pour les applications temps réel à cause de leurs performances temporelles limitées. Dans cette thèse nous avons proposé une architecture matérielle distribuée, adaptable, flexible et extensible de la carte SOM à base de NoC dédiée pour une implantation matérielle sur FPGA. A base de cette approche, nous avons également proposé une architecture matérielle innovante d’une carte SOM à structure croissante au cours de la phase d’apprentissageSince its introduction in 1982, Kohonen’s Self-Organizing Map (SOM) showed its ability to classify and visualize multidimensional data in various application fields. Hardware implementations of SOM, by exploiting the inherent parallelism of the Kohonen algorithm, allow to increase the overall performances of this neuronal network, often at the expense of the flexibility. On the other hand, the flexibility is offered by software implementations which on their side are not suited for real-time applications due to the limited time performances. In this thesis we proposed a distributed, adaptable, flexible and scalable hardware architecture of SOM based on Network-on-Chip (NoC) designed for FPGA implementation. Moreover, based on this approach we also proposed a novel hardware architecture of a growing SOM able to evolve its own structure during the learning phase
33
Abadi, Mehdi. "Réalisation d'un réseau de neurones "SOM" sur une architecture matérielle adaptable et extensible à base de réseaux sur puce "NoC"." Electronic Thesis or Diss., Université de Lorraine, 2018. http://www.theses.fr/2018LORR0068.
Abstract:
Depuis son introduction en 1982, la carte auto-organisatrice de Kohonen (Self-Organizing Map : SOM) a prouvé ses capacités de classification et visualisation des données multidimensionnelles dans différents domaines d’application. Les implémentations matérielles de la carte SOM, en exploitant le taux de parallélisme élevé de l’algorithme de Kohonen, permettent d’augmenter les performances de ce modèle neuronal souvent au détriment de la flexibilité. D’autre part, la flexibilité est offerte par les implémentations logicielles qui quant à elles ne sont pas adaptées pour les applications temps réel à cause de leurs performances temporelles limitées. Dans cette thèse nous avons proposé une architecture matérielle distribuée, adaptable, flexible et extensible de la carte SOM à base de NoC dédiée pour une implantation matérielle sur FPGA. A base de cette approche, nous avons également proposé une architecture matérielle innovante d’une carte SOM à structure croissante au cours de la phase d’apprentissageSince its introduction in 1982, Kohonen’s Self-Organizing Map (SOM) showed its ability to classify and visualize multidimensional data in various application fields. Hardware implementations of SOM, by exploiting the inherent parallelism of the Kohonen algorithm, allow to increase the overall performances of this neuronal network, often at the expense of the flexibility. On the other hand, the flexibility is offered by software implementations which on their side are not suited for real-time applications due to the limited time performances. In this thesis we proposed a distributed, adaptable, flexible and scalable hardware architecture of SOM based on Network-on-Chip (NoC) designed for FPGA implementation. Moreover, based on this approach we also proposed a novel hardware architecture of a growing SOM able to evolve its own structure during the learning phase
34
Kosmidis, Efstratios. "Effets du bruit dans le système nerveux central : du neurone au réseau de neurones : fiabilité des neurones, rythmogenèse respiratoire, information visuelle : étude par neurobiologie numérique." Paris 6, 2002. http://www.theses.fr/2002PA066199.
35
Meunier, David. "UNE MODÉLISATION ÉVOLUTIONNISTE DU LIAGE TEMPOREL." Phd thesis, Université Lumière - Lyon II, 2007. http://tel.archives-ouvertes.fr/tel-00198797.
Abstract:
L'hypothèse du liage temporel par synchronie suscite un intérêt important en neurobiologie, car elle permet d'expliquer comment différentes structures du cerveau peuvent établir entre elles un lien fonctionnel, en rapport avec une fonction cognitive. Cependant, il n'existe pas de modèle permettant de faire communiquer différents groupes de neurones par le biais de leurs émissions. Nous avons développé un modèle de réseau de neurones impulsionnels, dont la topologie est modifiée par un algorithme évolutionniste. Le critère de performance utilisé pour l'algorithme évolutionniste est évalué par l'intermédiaire du comportement d'un individu contrôlé par un réseau de neurones impulsionnels, et placé dans un environnement virtuel. L'utilisation du neurone impulsionnel, ayant la propriété de détection de synchronie, oblige l'évolution à construire un système utilisant cette propriété au niveau global, d'où l'émergence de la synchronisation neuronale à large-échelle. Les propriétés topologiques et dynamiques du réseau de neurones ne sont pas prises en compte dans le calcul de la performance, mais sont étudiées a posteriori, en comparant les individus avant et après évolution.
D'une part, grâce aux outils de la théorie des réseaux complexes, nous montrons l'émergence d'un certain nombre de propriétés topologiques, notamment la propriété de réseau ``petit-monde''. Ces propriétés topologiques sont similaires à celles observées au niveau de l'anatomie des systèmes nerveux en biologie. D'autre part, au niveau de la dynamique, nous établissons que la propriété de synchronisation neuronale à large-échelle, résultant de la présentation d'un stimulus, est présente chez les individus évolués. Pour ce faire, nous nous appuyons sur les outils classiquement utilisés en électrophysiologie, et nous les étendons pour pouvoir interpréter la grande quantité de données obtenue à partir du modèle.
Le modèle montre que l'on peut construire des réseaux de neurones basés sur l'hypothèse du liage temporel en ayant recours à l'évolution artificielle, en se basant sur un critère de performance écologique, c.à.d. le comportement de l'individu dans son environnement. D'autre part, les outils développés pour l'analyse des propriétés du modèle peuvent être utilisés dans d'autres domaines, en premier lieu en électrophysiologie. En effet, à cause des progrès techniques sur les enregistrements électrophysiologiques, la quantité de données se rapproche singulièrement de celle issue du modèle.
36
Koiran, Pascal. "Puissance de calcul des réseaux de neurones artificiels." Lyon 1, 1993. http://www.theses.fr/1993LYO19003.
Abstract:
Depuis quelques annees on s'est beaucoup interesse a la resolution de problemes d'ingenierie avec des reseaux de neurones artificiels (par exemple en reconnaissance de formes, robotique, prediction de series temporelles, optimisation. . . ). La plupart de ces travaux sont de nature empirique, et ne comportent que peu ou pas du tout d'analyse mathematique rigoureuse. Cette these se situe dans une perspective tout-a-fait differente: il s'agit d'etudier les relations entre les reseaux de neurones et les modeles de calculs classiques ou moins classiques de l'informatique theorique (automates finis, machines de turing, circuits booleens, machines de turing reelles de blum, shub et smale). Les principaux resultats sont les suivants: 1) simulation d'une machine de turing universelle par des reseaux recurrents; 2) etude generale de la puissance de calcul des systemes dynamiques definis par des iterations de fonctions, notamment en petites dimensions; 3) etude de modeles de calculs sur les nombres reels, avec application aux reseaux recurrents et acycliques. On montre que la classe des fonctions (discretes) calculables en temps polynomial est p/poly
37
Graïne, Slimane. "Inférence grammaticale régulière par les réseaux de neurones." Paris 13, 1994. http://www.theses.fr/1994PA132020.
Abstract:
Dans cette thèse, nous proposons: - une méthode pour la simulation des automates finis par les réseaux de neurones (chapitre 4), - une méthode pour la reconnaissance des grammaires hors contexte et des grammaires stochastiques hors contexte par les réseaux de neurones (chapitre (5), - deux méthodes pour l'apprentissage des langages réguliers par les réseaux de neurones (chapitre 6). Les chapitres 2 et 3 présentent respectivement les réseaux de neurones et le problème de l'inférence grammaticale. Les chapitres 1 et 7 respectivement consacrés à l'introduction et à la conclusion.
38
Le, Fablec Yann. "Prévision de trajectoires d'avions par réseaux de neurones." Toulouse, INPT, 1999. http://www.theses.fr/1999INPT034H.
Abstract:
La prévision de trajectoires d'avions est un problème crucial pour les systèmes de gestion du traffic aérien. Des méthodes de prévision utilisant des modélisations d'avion existent déjà mais nécessitent beaucoup de paramètres en n'offrant qu'une précision moyenne. C'est pourquoi nous développons une nouvelle approche nútilisant que peu d'informations initiales. La méthode choisie est basée sur l'utilisation de réseaux de neurones auxquels on fait apprendre un ensemble de trajectoires avant de les utiliser pour en prédire de nouvelles. Nous développons trois méthodes différentes qui permettent une prédiction à long terme dans le plan vertical et à court et moyen terme dans le plan horizontal. L'une d'elles est capable d'intégrer de nouvelles données au fur et à mesure que l'avion vole, ce qui lui permet de réagir aux éventuels changements de trajectoire et ainsi de parfaire la prévision. Les deux autres réalisent la prédiction même lorsque l'avion ne vole pas. Nous introduisons aussi une structure de type mélange hiérarchique d'experts qui permet de regrouper le savoir emmagaziné dans plusieurs réseaux, ainsi, il est possible de se passer de la connaissance du type d'avion étudié. Les méthodes utilisant des réseaux de neurones sont ensuite comparées aux méthodes à base de modèles avion. Nous montrons alors que les réseaux de neurones donnent de bien meilleurs résultats tout en permettant une prédiction très rapide. De plus, ne nécessitant que très peu de paramètres au départ, ils sont applicables sur un plus grand nombre de cas.
39
Corne, Christophe. "Parallélisation de réseaux de neurones sur architecture distribuée." Mulhouse, 1999. http://www.theses.fr/1999MULH0583.
Abstract:
Notre étude a pour objectif d'établir le rôle prépondérant que peuvent avoir les techniques parallèles dans la résolution de calculs complexes utilisant des réseaux de neurones. Nous présentons les différents modèles de réseaux de neurones afin d'évaluer leur adaptabilité au parallélisme et de retenir la meilleure méthode de parallélisation. La structure choisie est basée sur l'algorithme neuromimétique Self-Organizing Map (SOM). Nous parallélisons cet algorithme sur différents types de plate-formes à architecture distribuée, l'une d'entre elles étant un réseau de stations de travail. Nous présentons un réseau grossissant, auto-organisé dans sa généralité et détaillons la forme séquentielle de son algorithme fondateur. La parallélisation de ce dernier algorithme sur une architecture utilisant la norme SCI (Scalable Coherent Interface) comme moyen de communication nous permet de montrer l'intérêt à la fois d'un réseau d'ordinateurs comme ressources de calcul et de ce nouveau protocole à 1 Gigabit/s. Pour évaluer les performances de nos algorithmes et les faire fonctionner, nous avons dû soutirer la puissance optimale des matériels dont nous disposions. Nous avons constaté à cette occasion, que les ressources informatiques, prises dans leur ensemble, avaient un potentiel et une disponibilité en puissance de calcul largement inexploitée. Ces circonstances nous ont conduit à une réflexion sur l'optimisation des ressources informatiques et à la conception d'un logiciel de répartition des tâches, sur systèmes distribués. Nous détaillons le fonctionnement de ce logiciel nommé «ReTrop» et présentons succinctement ses débouchés industriels. Comme exemple d'utilisation de ce principe, nous présentons les résultats obtenus pour améliorer le choix des paramètres d'un réseau grossissant, auto-organisé.
40
Fernandez, Brillet Lucas. "Réseaux de neurones CNN pour la vision embarquée." Thesis, Université Grenoble Alpes, 2020. http://www.theses.fr/2020GRALM043.
Abstract:
Pour obtenir des hauts taux de détection, les CNNs requièrent d'un grand nombre de paramètres à stocker, et en fonction de l'application, aussi un grand nombre d'opérations. Cela complique gravement le déploiement de ce type de solutions dans les systèmes embarqués. Ce manuscrit propose plusieurs solutions à ce problème en visant une coadaptation entre l'algorithme, l'application et le matériel.Dans ce manuscrit, les principaux leviers permettant de fixer la complexité computationnelle d'un détecteur d'objets basé sur les CNNs sont identifiés et étudies. Lorsqu'un CNN est employé pour détecter des objets dans une scène, celui-ci doit être appliqué à travers toutes les positions et échelles possibles. Cela devient très coûteux lorsque des petits objets doivent être trouvés dans des images en haute résolution. Pour rendre la solution efficiente et ajustable, le processus est divisé en deux étapes. Un premier CNN s'especialise à trouver des régions d'intérêt de manière efficiente, ce qui permet d'obtenir des compromis flexibles entre le taux de détection et le nombre d’opérations. La deuxième étape comporte un CNN qui classifie l’ensemble des propositions, ce qui réduit la complexité de la tâche, et par conséquent la complexité computationnelle.De plus, les CNN exhibent plusieurs propriétés qui confirment leur surdimensionnement. Ce surdimensionnement est une des raisons du succès des CNN, puisque cela facilite le processus d’optimisation en permettant un ample nombre de solutions équivalentes. Cependant, cela complique leur implémentation dans des systèmes avec fortes contraintes computationnelles. Dans ce sens, une méthode de compression de CNN basé sur une Analyse en Composantes Principales (ACP) est proposé. L’ACP permet de trouver, pour chaque couche du réseau, une nouvelle représentation de l’ensemble de filtres appris par le réseau en les exprimant à travers d’une base ACP plus adéquate. Cette base ACP est hiérarchique, ce qui veut dire que les termes de la base sont ordonnés par importance, et en supprimant les termes moins importants, il est possible de trouver des compromis optimales entre l’erreur d’approximation et le nombre de paramètres. À travers de cette méthode il es possible d’obtenir, par exemple, une réduction x2 sur le nombre de paramètres et opérations d’un réseau du type ResNet-32, avec une perte en accuracy <2%. Il est aussi démontré que cette méthode est compatible avec d’autres méthodes connues de l’état de l’art, notamment le pruning, winograd et la quantification. En les combinant toutes, il est possible de réduire la taille d’un ResNet-110 de 6.88 Mbytes à 370kBytes (gain mémoire x19) avec une dégradation d’accuracy de 3.9%.Toutes ces techniques sont ensuite misses en pratique dans un cadre applicatif de détection de vissages. La solution obtenue comporte une taille de modèle de 29.3kBytes, ce qui représente une réduction x65 par rapport à l’état de l’art, à égal taux de détection. La solution est aussi comparé a une méthode classique telle que Viola-Jones, ce qui confirme autour d’un ordre de magnitude moins de calculs, au même temps que l’habilité d’obtenir des taux de détection plus hauts, sans des hauts surcoûts computationnels Les deux réseaux sont en suite évalues sur un multiprocesseur embarqué, ce qui permet de vérifier que les taux de compression théoriques obtenues restent cohérents avec les chiffres mesurées. Dans le cas de la détection de vissages, la parallélisation du réseau comprimé par ACP sûr 8 processeurs incrémente la vitesse de calcul d’un facteur x11.68 par rapport au réseau original sûr un seul processeurRecently, Convolutional Neural Networks have become the state-of-the-art soluion(SOA) to most computer vision problems. In order to achieve high accuracy rates, CNNs require a high parameter count, as well as a high number of operations. This greatly complicates the deployment of such solutions in embedded systems, which strive to reduce memory size. Indeed, while most embedded systems are typically in the range of a few KBytes of memory, CNN models from the SOA usually account for multiple MBytes, or even GBytes in model size. Throughout this thesis, multiple novel ideas allowing to ease this issue are proposed. This requires to jointly design the solution across three main axes: Application, Algorithm and Hardware.In this manuscript, the main levers allowing to tailor computational complexity of a generic CNN-based object detector are identified and studied. Since object detection requires scanning every possible location and scale across an image through a fixed-input CNN classifier, the number of operations quickly grows for high-resolution images. In order to perform object detection in an efficient way, the detection process is divided into two stages. The first stage involves a region proposal network which allows to trade-off recall for the number of operations required to perform the search, as well as the number of regions passed on to the next stage. Techniques such as bounding box regression also greatly help reduce the dimension of the search space. This in turn simplifies the second stage, since it allows to reduce the task’s complexity to the set of possible proposals. Therefore, parameter counts can greatly be reduced.Furthermore, CNNs also exhibit properties that confirm their over-dimensionment. This over-dimensionement is one of the key success factors of CNNs in practice, since it eases the optimization process by allowing a large set of equivalent solutions. However, this also greatly increases computational complexity, and therefore complicates deploying the inference stage of these algorithms on embedded systems. In order to ease this problem, we propose a CNN compression method which is based on Principal Component Analysis (PCA). PCA allows to find, for each layer of the network independently, a new representation of the set of learned filters by expressing them in a more appropriate PCA basis. This PCA basis is hierarchical, meaning that basis terms are ordered by importance, and by removing the least important basis terms, it is possible to optimally trade-off approximation error for parameter count. Through this method, it is possible to compress, for example, a ResNet-32 network by a factor of ×2 both in the number of parameters and operations with a loss of accuracy <2%. It is also shown that the proposed method is compatible with other SOA methods which exploit other CNN properties in order to reduce computational complexity, mainly pruning, winograd and quantization. Through this method, we have been able to reduce the size of a ResNet-110 from 6.88Mbytes to 370kbytes, i.e. a x19 memory gain with a 3.9 % accuracy loss.All this knowledge, is applied in order to achieve an efficient CNN-based solution for a consumer face detection scenario. The proposed solution consists of just 29.3kBytes model size. This is x65 smaller than other SOA CNN face detectors, while providing equal detection performance and lower number of operations. Our face detector is also compared to a more traditional Viola-Jones face detector, exhibiting approximately an order of magnitude faster computation, as well as the ability to scale to higher detection rates by slightly increasing computational complexity.Both networks are finally implemented in a custom embedded multiprocessor, verifying that theorical and measured gains from PCA are consistent. Furthermore, parallelizing the PCA compressed network over 8 PEs achieves a x11.68 speed-up with respect to the original network running on a single PE
41
He, Bing. "Estimation paramétrique du signal par réseaux de neurones." Lille 1, 2002. https://pepite-depot.univ-lille.fr/RESTREINT/Th_Num/2002/50376-2002-75.pdf.
42
Pompougnac, Hugo. "Spécification et compilation de réseaux de neurones embarqués." Electronic Thesis or Diss., Sorbonne université, 2022. http://www.theses.fr/2022SORUS436.
Abstract:
Dans cette thèse, nous proposons une approche pour spécifier et compiler conjointement les aspects Calcul Haute Performance (HPC) et Temps-Réel Embarqué (RTE) d’un même système. Notre approche est fondée sur une intégration formelle, algorithmique et outillée entre deux formalismes sous-tendant une bonne partie des travaux en HPC et en RTE : le formalisme SSA et le langage flot de données synchrone Lustre. Le formalisme SSA est au cœur de bon nombre de compilateurs HPC, dont ceux employés par les frameworks d'apprentissage machine tels TensorFlow ou PyTorch. Le langage Lustre est au cœur des processus de mise en œuvre de systèmes embarqués critiques dans l’avionique, ou encore le railIn this thesis, we propose an approach for the joint specification and compilation of both High-Performance Computing (HPC) and Real-Time Embedded (RTE) aspects of a system. Our approach is based on a formal, algorithmic and tooled integration between two formalisms underlying a large part of works in HPC and RTE fields: the SSA formalism and the synchronous dataflow language Lustre. The SSA formalism is a key component of many HPC compilers, including those used by Machine Learning frameworks such as TensorFlow or PyTorch. The Lustre language is a key component of implementation processes of critical embedded systems in avionics or rail transportation
43
Pothier, Dominique. "Réseaux convolutifs à politiques." Master's thesis, Université Laval, 2021. http://hdl.handle.net/20.500.11794/69184.
Abstract:
Malgré leurs excellentes performances, les exigences élevées des réseaux de neurones artificiels en terme de volume de données et de puissance de calcul limitent leur adoption dans plusieurs domaines. C'est pourquoi il reste important de développer de nouvelles architectures moins voraces. Ce mémoire cherche à produire une architecture plus flexible et moins vorace en s'appuyant sur la théorie de l'apprentissage par renforcement. En considérant le réseau comme un agent suivant une politique, on réalise que cette politique est beaucoup plus rigide que celle suivie habituellement par les agents d'apprentissage par renforcement. Nous posons l'hypothèse qu'une architecture capable de formuler une politique plus flexible pourrait atteindre des performances similaires tout en limitant son utilisation de ressources. L'architecture que nous proposons s'inspire de la recherche faite en prédiction de paramètres, particulièrement de l'architecture hypernetwork, que nous utilisons comme base de référence. Nos résultats montrent que l'apprentissage d'une politique dynamique aussi performante que les politiques statiques suivies par les réseaux conventionnels n'est pas une tâche triviale. Nos meilleurs résultats indiquent une diminution du nombre de paramètres de 33%, une diminution des calculs de 12% au prix d'une baisse de l'exactitude des prédictions de 2%. Malgré ces résultats, nous croyons que notre architecture est un point de départ pouvant être amélioré de plusieurs manières que nous explorons rapidement en conclusion.Despite their excellent performances, artificial neural networks high demand of both data and computational power limit their adoption in many domains. Developing less demanding architecture thus remain an important endeavor. This thesis seeks to produce a more flexible and less resource-intensive architecture by using reinforcement learning theory. When considering a network as an agent instead of a function approximator, one realize that the implicit policy followed by popular feed forward networks is extremely simple. We hypothesize that an architecture able to learn a more flexible policy could reach similar performances while reducing its resource footprint. The architecture we propose is inspired by research done in weight prediction, particularly by the hypernetwork architecture, which we use as a baseline model.Our results show that learning a dynamic policy achieving similar results to the static policies of conventional networks is not a trivial task. Our proposed architecture succeeds in limiting its parameter space by 20%, but does so at the cost of a 24% computation increase and loss of5% accuracy. Despite those results, we believe that this architecture provides a baseline that can be improved in multiple ways that we describe in the conclusion.
44
Oussar, Yacine. "Réseaux d'ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus." Phd thesis, Université Pierre et Marie Curie - Paris VI, 1998. http://pastel.archives-ouvertes.fr/pastel-00000677.
Abstract:
Durant les dix dernières années, les réseaux de neurones à fonctions sigmoïdales ont connu de grands succès dans de nombreux domaines. Associés à des algorithmes d'apprentissage efficaces, ils constituent un puissant outil de modélisation non linéaire de processus, grâce à leur propriété d'approximation universelle parcimonieuse. Ce travail de thèse propose une mise en uvre de réseaux d'ondelettes, alternative possible aux réseaux de neurones, pour la modélisation statique et dynamique. Les ondelettes sont une famille de fonctions issues du traitement du signal et de l'image, dont il a été récemment montré qu'elles possèdent la propriété d'approximateur universel. La mise en uvre des réseaux d'ondelettes est effectuée suivant deux approches : - Approche fondée sur la transformée continue: les paramètres des fonctions sont à valeurs continues dans l'ensemble des nombres réels et peuvent donc être ajustés, comme ceux d'un réseau de neurones classique, à l'aide de méthodes de gradient. Nous proposons des réseaux et des algorithmes d'apprentissage pour la modélisation entrée-sortie et d'état. Les résultats obtenus sur des processus simulés et réel montrent que ces réseaux permettent d'obtenir des modèles de performance et de parcimonie équivalentes à celles des réseaux de neurones si des précautions de mise en uvre sont prises. - Approche fondée sur la transformée discrète: les paramètres des fonctions étant à valeurs discrètes, les apprentissages fondés sur des méthodes de gradient ne sont pas applicables. Nous proposons de construire des réseaux par sélection d'ondelettes dans une bibliothèque pré-établie. Cette procédure est également utilisée pour l'initialisation des paramètres des ondelettes avant leur apprentissage. Les résultats obtenus montrent que la procédure proposée confère à l'apprentissage une meilleure indépendance vis-à-vis de l'initialisation aléatoire des autres paramètres ajustables du réseau.
45
Bissery, Christophe. "La détection centralisée des fuites sur les réseaux d'eau potable par réseaux de neurones." Lyon, INSA, 1994. http://www.theses.fr/1994ISAL0112.
Abstract:
On assiste depuis quelques années, sous la pression de l'environnement, à un changement de perception du risque de dysfonctionnement des systèmes techniques et en particulier des réseaux d'eau potable. Le risque nul n'existe pas et il faut donc apprendre à le gérer. C'est dans ce cadre qu'émerge le besoin de détection centralisée des fuites sur les réseaux d'eau potable, les fuites qui représentent une part importante du risque de dysfonctionnement de la distribution d'eau. Ce travail de recherche propose un système de détection centralisée des fuites sur les réseaux d'eau potable à base de réseaux de neurones. On y étudie en particulier des méthodologies de construction des bases d'apprentissage et de localisation des capteurs qui permettent un passage simple de l'expérimentation à la détection en site réel. Ce travail a permis de constater que sur modèle hydraulique de réseau réel, le système de détection à base de réseau de neurones permettait d'obtenir des résultats en détection qui justifiaient d'une mise en place réelle. L'étude s'achève sur une définition des priorités d'étude pour permettre cette mise en place sur site réel (en particulier, les besoins de prévision de consommation horaire)For few years, under the influence of the urban environment, the perception of dysfunction risk in technical systems and in particular in water supply networks has changed. The lack of risk doesn't exist and it's necessary to learn how to manage it. It's in this way that appears the need of centralized leakage detection on water supply networks, leaks that represent an important part of the dysfunction risk of water supply. This study proposes a centralized leakage detection system using a computerized neural network approach. The building method of learning bases and the sensors localization method are pointed out and developed. This study has showed that on a realistic network model results obtained with the centralized leakage detection system using a computerized neural network approach allowed experimentations on real networks. The study ends on the presentation of the working priorities for these real experimentations (and in particular the need of hourly water consumption previsions)
46
Giraudin, Aurore. "Réseaux de neurones et fonction respiratoire : mécanismes sensorimoteurs à la base du coupage locomotion-respiration." Thesis, Bordeaux 1, 2008. http://www.theses.fr/2008BOR13746/document.
Abstract:
La respiration est une activité motrice autonome rythmique au cours de laquelle de nombreux muscles se contractent de manière coordonnée afin de produire des mouvements ventilatoires adaptés aux contraintes environnementales et aux exigences de l'organisme. Cette fonction vitale doit être fiable et adaptable à très court terme, c’est pourquoi elle est influencée, entre autres, par un grand nombre d’activités motrices. Par exemple, lors d’exercices physiques, le rythme respiratoire peut se coupler au rythme locomoteur. Les objectifs de ce travail doctoral sont centrés sur l’exploration des mécanismes neurogènes à la base du couplage entre ces deux fonctions motrices chez le rat nouveau-né. Pour une grande partie, cette étude a été réalisée sur préparation isolée in vitro de tronc cérébral-moelle épinière de rat nouveau-né (0 à 3 jours), ce modèle permettant de conserver dans leur intégrité les centres responsables des rythmes respiratoire et locomoteur. Compte tenu de l’accessibilité directe aux réseaux neuronaux, les mécanismes de couplage et d'entraînement respiratoire ont été abordés par des approches combinées électrophysiologique, neuroanatomique, pharmacologique et lésionnelle. Dans ce contexte, un des principaux résultats de ce travail doctoral est le rôle crucial joué par les informations sensorielles en provenance des membres antérieurs et postérieurs dans l'entraînement respiratoire observé lors de séquences locomotrices. Ainsi, les afférences proprioceptives spinales capables de réinitialiser et d'entraîner l’activité des centres respiratoires bulbaires via un relais pontique, établissent également des connexions sur l’ensemble des populations de motoneurones spinaux respiratoires phréniques, intercostaux et abdominauxRespiration is an autonomous rhythmic motor activity that requires the coordinated contractions of diverse muscles to produce ventilatory movements adapted to organismal needs. This crucial physiological function must be reliable and adaptable on a short-term basis, and requires coordianted movements with various other motor activities. For instance, respiratory rhythmicity becomes coupled to locomotion during physical exercise. My doctoral work aimed to explore the neurogenic mechanisms underlying the interactions between these two motor functions in the neonatal rat. This work was mainly conducted on isolated in vitro brain stem-spinal cord preparations of newborn rats (0-3 days), an experimental model that allows the maintenance of the still functional respiratory and locomotor CPGs in vitro. Due to the easy access to the neuronal networks in these preparations, locomotor-respiratory coupling and respiratory entrainment mechanisms were investigated by combined electrophysiological, neuroanatomical, pharmacological and lesional approaches. A major finding was the crucial played by sensory information from fore- and hindlimb in respiratory entrainment induced by locomotor rythmicity. Spinal sensory afferents can reset and entrain the activity of the medullary respiratory centres via a pontine relay, as well as making direct connections with the various spinal respiratory motoneuron (phrenic, intercostal and abdominal) populations
47
Boitard, Constance. "Identification des réseaux neurobiologiques gouvernant les apprentissages ambigus chez l'abeille Apis mellifera." Thesis, Toulouse 3, 2015. http://www.theses.fr/2015TOU30125/document.
Abstract:
L'apprentissage associatif recouvre des niveaux variables de complexité, des tâches cognitives simples jusqu'à des tâches complexes qui nécessitent la résolution de discriminations ambigües. Cette thèse traite de deux protocoles présentant des ambigüités chez l'abeille, au cours desquels le blocage de la signalisation GABAergique des neurones récurrents sur les corps pédonculés, structures cérébrales majeures de l'apprentissage, est à l'origine de la perte de capacité de résolution ambigüe. Ces neurones, non requis pour les apprentissages simples, semblent donc indispensables à la résolution des ambigüités propres aux discriminations cognitives complexes et élaborées chez l'abeilleAssociative learning spans different levels of complexity, from simple tasks involving simple causal relationships between events, to ambiguous tasks, in which animals have to solve complex discriminations based on non-linear associative links. We focused on two protocols presenting a temporal or configural ambiguity at the level of stimulus contingencies in honey bees (\textit{Apis mellifera}). We performed selective blockades of GABAergic signalisation from recurrent feedback neurons in the mushroom bodies (MBs), higher-order insect brain structures associated with memory storage and retrieval, and found that this blockade within the MB calyces impaired both ambiguous learning tasks, although if did not affect simple conditioning counterparts. We suggest that the A3v cluster of the GABA feedback neurons innervating the MBs calyces are thus dispensable for simple learning, but are required for counteracting stimulus ambiguity in complex discriminations in honey bees
48
Rachdi, Adel. "Développement d'un réseau de neurones biologique." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 2001. http://www.collectionscanada.ca/obj/s4/f2/dsk3/ftp04/MQ65389.pdf.
49
Cofré, Rodrigo. "Statistique de potentiels d'action et distributions de Gibbs dans les réseaux de neurones." Thesis, Nice, 2014. http://www.theses.fr/2014NICE4078/document.
Abstract:
Les neurones sensoriels réagissent à des stimuli externes en émettant des séquences de potentiels d’action (“spikes”). Ces spikes transmettent collectivement de l’information sur le stimulus en formant des motifs spatio-temporels qui constituent le code neural. On observe expérimentalement que ces motifs se produisent de façon irrégulière, mais avec une structure qui peut être mise en évidence par l’utilisation de descriptions probabilistes et de méthodes statistiques. Cependant, la caractérisation statistique des données expérimentales présente plusieurs contraintes majeures: en dehors de celles qui sont inhérentes aux statistiques empiriques comme la taille de l’échantillonnage, ‘le’ modèle statistique sous-jacent est inconnu. Dans cette thèse, nous abordons le problème d’un point de vue complémentaire à l’approche expérimentale. Nous nous intéressons à des modèles neuro-mimétiques permettant d’étudier la statistique collective des potentiels d’action et la façon dont elle dépend de l’architecture et l’histoire du réseau ainsi que du stimulus. Nous considérons tout d’abord un modèle de type Intègre-et-Tire à conductance incluant synapses électriques et chimiques. Nous montrons que la statistique des potentiels d’action est caractérisée par une distribution non stationnaire et de mémoire infinie, compatible avec les probabilités conditionnelles (left interval-specification), qui est non-nulle et continue, donc une distribution de Gibbs. Nous présentons ensuite une méthode qui permet d’unifier les modèles dits d’entropie maximale spatio-temporelle (dont la mesure invariante est une distribution de Gibbs dans le sens de Bowen) et les modèles neuro-mimétiques, en fouSensory neurons respond to external stimulus using sequences of action potentials (“spikes”). They convey collectively to the brain information about the stimulus using spatio-temporal patterns of spikes (spike trains), that constitute a “neural code”. Since spikes patterns occur irregularly (yet highly structured) both within and over repeated trials, it is reasonable to characterize them using statistical methods and probabilistic descriptions. However, the statistical characterization of experimental data presents several major constraints: apart from those inherent to empirical statistics like finite size sampling, ‘the’ underlying statistical model is unknown. In this thesis we adopt a complementary approach to experiments. We consider neuromimetic models allowing the study of collective spike trains statistics and how it depends on network architecture and history, as well as on the stimulus. First, we consider a conductance-based Integrate-and-Fire model with chemical and electric synapses. We show that the spike train statistics is characterized by non-stationary, infinite memory, distribution consistent with conditional probabilities (Left interval specifications), which is continuous and non null, thus a Gibbs distribution. Then, we present a novel method that allows us to unify spatio-temporal Maximum Entropy models (whose invariant measure are Gibbs distributions in the Bowen sense) and neuro-mimetic models, providing a solid ground towards biophysical explanation of spatio-temporal correlations observed in experimental data. Finally, using these tools, we discuss the stimulus response of retinal ganglion cells, and the possible generalization of the co
50
Chevalier, Stéphanie. "Plasticité post-lésionnelle des réseaux médullaires locomoteurs des urodèles : étude électrophysiologique et immunohistochimique." Bordeaux 2, 2004. http://www.theses.fr/2004BOR21178.
Abstract:
Les Urodèles manifestent spontanément des capacités de restauration locomotrice à la suite d'une transsection médullaire. Au moyen de techniques électrophysiologiques et neuroanatomiques in vivo, nous avons montré que cette récupération est concomitante d'une réinnervation des réseaux locomoteurs sous-lésionnels par des voies réticulospinales, certaines ayant le phénotype sérotoninergique ou glutamatergique. Toutefois, des modifications post-lésionnelles à long terme du mode opératoire des réseaux locomoteurs sous lésionnels ont été observées. De plus, une étude in vivo des propriétés bioélectriques des motoneurones, avant et après lésion médullaire, révèle que la modulation muscarinique de l'excitabilité des motoneurones est potentialisée après spinalisation. La plasticité post traumatique des réseaux médullaires locomoteurs des Urodèles repose donc à la fois sur leur réinnervation par des voies descendantes et sur un remodelage des propriétés bioélectriques des motoneuronesUrodeles can recover spontaneously their locomotor behaviour following a complete spinal cord transection. Using electrophysiological and neuroanatomical in vivo techniques, we have shown that locomotor recovery is related to a reinnervation of locomotor networks below the lesion by reticulospinal axons. Some of the regenerated reticulospinal axons come from glutamatergic and serotoninergic neurons. However, long term post-lesionnal modifications of the locomotor patterns were observed. Moreover, in vitro study of intrinsic properties of motoneurons, before and after spinal cord transection, showed that the muscarinic modulation of motoneuron excitability is increased after spinalisation. In conclusion, the post-lesionnal plasticity of Urodele locomotor networks depends both on their reinnervation by descending pathways and on modifications of motoneuron intrinsic properties