Дисертації з теми "Modèles de neurones impulsionnels"
Щоб переглянути інші типи публікацій з цієї теми, перейдіть за посиланням: Modèles de neurones impulsionnels.
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся з топ-50 дисертацій для дослідження на тему "Modèles de neurones impulsionnels".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Переглядайте дисертації для різних дисциплін та оформлюйте правильно вашу бібліографію.
1
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.
Анотація:
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.
2
Rochel, Olivier. "Une approche événementielle pour la modélisation et la simulation de réseaux de neurones impulsionnels." Nancy 1, 2004. http://www.theses.fr/2004NAN10004.
Анотація:
Cette thèse est bâtie sur le constat de l'absence d'outils génériques adaptés à la modélisation et la simulation de grands réseaux de neurones impulsionnels. Une première partie de la thèse est consacrée à la présentation des modèles existants. Dans ces modèles, les impulsions se traduisent par des discontinuités dans la dynamique des neurones. Ces discontinuités sont à la source de difficultés de modélisation et de simulation. Nous présentons dans une seconde partie une nouvelle approche, basée sur la notion de système à événements discrets, utilisant le formalisme DEVS. Elle permet de prendre en considération une large classe de modèles de neurones et autorise la construction de réseaux structurés de grande taille. Un outil de simulation utilisant un algorithme de simulation événementiel a été développé et évalué sur machines séquentielles et parallèles. Nous avons également évalué la pertinence de notre approche dans le cadre d'un projet multidisciplinaire sur l'olfactionAt present, there exists no generic modeling and simulation framework that addresses the study of large spiking neural networks. In the existing models, the impulses are generally associated with discontinuities in the otherwise continuous dynamics of the neurons. This raises modeling and practical implementation issues. We propose an novel approach based on the discrete-event system abstraction, grounded on the DEVS formalism, that can be used to represent a large class of spiking neurons and permits the modeling of large networks. A simulation engine has been developed on top of this formalism. It is based on an efficient event-driven algorithm and has been evaluated on sequential as well as parallel machines. We have tested our approach within a multi-disciplinary project on olfactory perception
3
Quan, Zou. "Modèles computationnels de la plasticité impulsionnelle : synapses, neurones et circuits." Paris 6, 2006. http://www.theses.fr/2006PA066135.
4
Ambard, Maxime. "Influence de l'inhibition synaptique sur le codage de l'information par les cellules mitrales du bulbe olfactif." Phd thesis, Université Henri Poincaré - Nancy I, 2009. http://tel.archives-ouvertes.fr/tel-00401813.
Анотація:
Cette thèse étudie l'encodage de l'information sensorielle par les cellules relais du bulbe olfactif avec une approche associant analyse de données expérimentales et modélisation informatique. Le bulbe olfactif est principalement constitué de neurones excitateurs, dits cellules mitrales, interconnectés via des inter-neurones inhibiteurs, dits cellules granulaires.Dans un premier temps, l'analyse de données expérimentales recueillies en condition in vitro dans des tranches de bulbe olfactif de rats révèle le caractère phasé des potentiels d'action des cellules mitrales relativement aux oscillations du potentiel de champ local. Ce phasage est largement atténué lorsque l'on bloque pharmacologiquement l'inhibition provenant des granules, mettant ainsi en évidence le rôle primordial de l'inhibition synaptique. Afin d'extraire le décours temporel de la conductance synaptique inhibitrice, nous proposons une nouvelle méthode basée sur l'ajustement d'un modèle de neurone associé à l'injection de bloqueurs synaptiques. Grâce à celle-ci, nous observons que les fluctuations de la conductance synaptique inhibitrice sont corrélées à celles mesurées sur le potentiel de champ local. Une relation entre l'inhibition reçue et la phase des potentiels d'action est également dévoilée. Un neurone aura plus de chance d'émettre en phase s'il reçoit un nombre important d'événements synaptiques inhibiteurs et si ces événements sont eux-même phasés.
Dans un deuxième temps, les résultats de cette analyse sont rassemblés au sein d'un modèle informatique de bulbe olfactif afin d'explorer les capacités de codage de l'interaction mitrale-granule. Après avoir montré que le transfert d'information des cellules mitrales semble plus résider dans leurs instants précis d'émission de potentiels d'action au cours des oscillations que dans leurs fréquences de décharges, nous étudions analytiquement l'influence du nombre d'événements synaptiques inhibiteurs reçus et de leur dispersion temporelle sur la précision de l'activité des cellules mitrales. Notre étude conclut que la robustesse du code produit par les cellules mitrales lors des oscillations du réseau est conditionnée par une forte interaction synaptique entre les cellules mitrales et les cellules granulaires. En dernier lieu, nous appliquons notre modèle de bulbe olfactif pour reconnaître des odeurs à l'aide d'une matrice de capteurs de gaz artificiels.
5
Chevallier, Sylvain. "Implémentation d'un système préattentionnel avec des neurones impulsionnels." Phd thesis, Université Paris Sud - Paris XI, 2009. http://tel.archives-ouvertes.fr/tel-00472849.
Анотація:
Les neurones impulsionnels prennent en compte une caractéristique fondamentale des neurones biologiques : la capacité d'encoder l'information sous forme d'événements discrets. Nous nous sommes intéressés à l'apport de ce type de modèles dans le cadre de la vision artificielle, dont les contraintes nous ont orienté vers le choix de modèles simples, adaptés à la rapidité de traitement requise. Nous décrivons une architecture de réseaux pour encoder et extraire des saillances utilisant la discrétisation induite par les neurones impulsionnels. La carte de saillances est obtenue à partir de la combinaison, spatiale et temporelle, de différentes cartes de modalités visuelles (contrastes, orientations et couleurs) à différentes échelles spatiales. Nous proposons une méthode de filtrage neuronal pour construire les cartes de modalité visuelle. Cette méthode réalise le filtrage de façon graduelle : plus le temps de traitement alloué à l'algorithme est important, plus le résultat est proche de celui obtenu avec un filtrage par convolution. L'architecture proposée donne en sortie les saillances triées temporellement dans l'ordre de leur importance. Nous avons placé en aval de cette architecture un autre réseau de neurones impulsionnels, s'inspirant des champs neuronaux, qui permet de sélectionner la zone la plus saillante et de maintenir une activité constante sur cette zone. Les résultats expérimentaux montrent que l'architecture proposée est capable d'extraire des saillances dans une séquence d'images, de sélectionner la saillance la plus importante et de maintenir la focalisation sur cette saillance, même dans un contexte bruité ou quand la saillance se déplace.
6
Oudjail, Veïs. "Réseaux de neurones impulsionnels appliqués à la vision par ordinateur." Electronic Thesis or Diss., Université de Lille (2022-....), 2022. http://www.theses.fr/2022ULILB048.
Анотація:
Les réseaux de neurones artificiels (RNA) sont devenus des techniques incontournables en vision par ordinateur, cette tendance ayant débuté lors du challenge ImageNet de 2012. Cependant, ce succès s'accompagne d'un coût humain non-négligeable pour l'étiquetage manuel des données, très important dans l'apprentissage des modèles et d'un coût énergétique élevé causé par le besoin de ressources de calcul importantes. Les réseaux de neurones impulsionnels (Spiking Neural Network, SNN) apportent des solutions à ces problématiques. C'est une classe particulière des RNAs, proche du modèle biologique, dans lequel les neurones communiquent de manière asynchrone en représentant l'information via des impulsions (spikes). L'apprentissage des SNN peu reposer sur une règle non supervisée : la STDP. Elle module les poids synaptiques en fonction des corrélations temporelles locales constatées entre les impulsions entrantes et sortantes. Différentes architectures matérielles ont été conçues dans le but d'exploiter les propriétés des SNN (asynchronie, opération éparse et locale, etc.) afin de concevoir des solutions peu énergivores, certaines divisant le coût de plusieurs ordres de grandeur. Les SNNs gagnent en popularité et il y a un intérêt croissant à les appliquer à la vision. Des travaux récents montrent que les SNNs acquièrent en maturité en étant compétitifs par rapport à l'état de l'art sur des datasets d'images "simples" tels que MNIST (chiffres manuscrits) mais pas sur des datasets plus complexes. Cependant, les SNNs peuvent potentiellement se démarquer des RNAs dans le traitement de vidéos. La première raison est que ces modèles intègrent une dimension temporelle en plus. La deuxième raison est qu'ils se prêtent bien à l'utilisation des caméras événementielles. Ce sont des capteurs bio-inspirés qui perçoivent les contrastes temporels d'une scène, autrement dit, ils sont sensibles au mouvement. Chaque pixel peut détecter une variation lumineuse (positive ou négative), ce qui déclenche un événement. Coupler ces caméras aux puces neuromorphiques permet de créer des systèmes de vision totalement asynchrones et massivement parallélisés. L'objectif de cette thèse est d'exploiter les capacités offertes par les SNNs dans le traitement vidéo. Afin d'explorer le potentiel offert par les SNNs, nous nous sommes intéressés à l'analyse du mouvement et plus particulièrement à l'estimation de la direction du mouvement. Le but est de développer un modèle capable d'apprendre incrémentalement, sans supervision et avec peu d'exemples, à extraire des caractéristiques spatio-temporelles. Nous avons donc effectué plusieurs études examinant les différents points mentionnés à l'aide de jeux de données événementielles synthétiques. Nous montrons que le réglage des paramètres des SNNs est essentiel pour que le modèle soit capable d'extraire des caractéristiques utiles. Nous montrons aussi que le modèle est capable d'apprendre de manière incrémentale en lui présentant des classes inédites sans détérioration des performances sur les classes maîtrisées. Pour finir, nous évoquerons certaines limites, notamment sur l'apprentissage des poids en suggérant la possibilité d'apprendre plutôt les délais, encore peu exploités et qui pourrait marquer davantage la rupture face aux RNAsArtificial neural networks (ANN) have become a must-have technique in computer vision, a trend that started during the 2012 ImageNet challenge. However, this success comes with a non-negligible human cost for manual data labeling, very important in model learning, and a high energy cost caused by the need for large computational resources. Spiking Neural Networks (SNN) provide solutions to these problems. It is a particular class of ANNs, close to the biological model, in which neurons communicate asynchronously by representing information through spikes. The learning of SNNs can rely on an unsupervised rule: the STDP. It modulates the synaptic weights according to the local temporal correlations observed between the incoming and outgoing spikes. Different hardware architectures have been designed to exploit the properties of SNNs (asynchrony, sparse and local operation, etc.) in order to design low-power solutions, some of them dividing the cost by several orders of magnitude. SNNs are gaining popularity and there is growing interest in applying them to vision. Recent work shows that SNNs are maturing by being competitive with the state of the art on "simple" image datasets such as MNIST (handwritten numbers) but not on more complex datasets. However, SNNs can potentially stand out from ANNs in video processing. The first reason is that these models incorporate an additional temporal dimension. The second reason is that they lend themselves well to the use of event-driven cameras. They are bio-inspired sensors that perceive temporal contrasts in a scene, in other words, they are sensitive to motion. Each pixel can detect a light variation (positive or negative), which triggers an event. Coupling these cameras to neuromorphic chips allows the creation of totally asynchronous and massively parallelized vision systems. The objective of this thesis is to exploit the capabilities offered by SNNs in video processing. In order to explore the potential offered by SNNs, we are interested in motion analysis and more particularly in motion direction estimation. The goal is to develop a model capable of learning incrementally, without supervision and with few examples, to extract spatiotemporal features. We have therefore performed several studies examining the different points mentioned using synthetic event datasets. We show that the tuning of the SNN parameters is essential for the model to be able to extract useful features. We also show that the model is able to learn incrementally by presenting it with new classes without deteriorating the performance on the mastered classes. Finally, we discuss some limitations, especially on the weight learning, suggesting the possibility of more delay learning, which are still not very well exploited and which could mark a break with ANNs
7
Aziz, Mohammed, and Abdelaziz Bensrhair. "Apprentissage de réseaux de neurones impulsionnels. Application à des systèmes sensorimoteurs." INSA de Rouen, 2005. http://www.theses.fr/2005ISAM0005.
Анотація:
L'intérêt des neurones impulsionnels réside en leur fonctionnement très proche de celui des neurones biologiques. Ces derniers codent leur information et leurs échanges inter-neuronaux sous forme d'impulsions calibrées et non comme le modèle de Mc Culloth et Pitts qui lui s'exprime en termes de fréquences moyennes d'émission d'impulsions. Si les modèles fréquentiels sont bien connus théoriquement du fait de leur ancienneté et de leur relative simplicité, ce n'est pas le cas des modèles impulsionnels. Le seul modèle développé actuellement est le modèle d'"Integre-and-Fire". Ce dernier avec ses variantes est aujourd'hui l'un des plus utilisés dans les simulations numériques utilisant des modèles impulsionnels. Les méthodes d'apprentissage classiques ne sont pas applicables à ce type de réseaux de neurones. De ce fait, des méthodes d'apprentissage spécifiques doivent être développées. Puisque les échanges inter-neuronaux s'effectuent sous forme d'impulsions calibrées et non sous forme de niveaux continus comme dans les neurones classiques. Dans cette thèse, nous avons présenté un système sensorimoteur constitué de réseau de neurones artificiels, utilisant un modèle biologiquement plausible de neurones impulsionnels. Nous avons proposé une méthode d'apprentissage adaptée pour ce système sensorimoteur. Cette méthode est basée sur la règle de Hebb. Il consiste à ne modifier que les poids synaptiques impliqués dans une action selon une loi apparentée à la méthode du renforcement. Avec le système sensorimoteur, nous avons simulé l'attraction du regard et le suivi de mouvement par l'apparition d'un objet contrasté par rapport au fond. Pour valider ce système sensorimoteur, nous avons présenté dans la dernière partie de cette thèse notre méthode d'apprentissage appliquée à un cas d'école : le pendule inversé.
8
Lecerf, Gwendal. "Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives." Thesis, Bordeaux, 2014. http://www.theses.fr/2014BORD0219/document.
Анотація:
Durant ces trois années de doctorat, financées par le projet ANR MHANN (MemristiveHardware Analog Neural Network), nous nous sommes intéressés au développement d’une nouvelle architecture de calculateur à l’aide de réseaux de neurones. Les réseaux de neurones artificiels sont particulièrement bien adaptés à la reconnaissance d’images et peuvent être utilisés en complément des processeurs séquentiels. En 2008, une nouvelle technologie de composant a vu le jour : le memristor. Classé comme étant le quatrième élément passif, il est possible de modifier sa résistance en fonction de la densité de courant qui le traverse et de garder en mémoire ces changements. Grâce à leurs propriétés, les composants memristifs sont des candidats idéaux pour jouer le rôle des synapses au sein des réseaux de neurones artificiels. En effectuant des mesures sur la technologie des memristors ferroélectriques de l’UMjCNRS/Thalès de l’équipe de Julie Grollier, nous avons pu démontrer qu’il était possible d’obtenir un apprentissage de type STDP (Spike Timing Dependant Plasticity) classiquement utilisé avec les réseaux de neurones impulsionnels. Cette forme d’apprentissage, inspirée de la biologie, impose une variation des poids synaptiques en fonction des évènements neuronaux. En s’appuyant sur les mesures réalisées sur ces memristors et sur des simulations provenant d’un programme élaboré avec nos partenaires de l’INRIA Saclay, nous avons conçu successivement deux puces en silicium pour deux technologies de memristors ferroélectriques. La première technologie (BTO), moins performante, a été mise de côté au profit d’une seconde technologie (BFO). La seconde puce a été élaborée avec les retours d’expérience de la première puce. Elle contient deux couches d’un réseau de neurones impulsionnels dédié à l’apprentissage d’images de 81 pixels. En la connectant à un boitier contenant un crossbar de memristors, nous pourrons réaliser un démonstrateur d’un réseau de neurones hybride réalisé avec des synapses memristives ferroélectriquesSupported financially by ANR MHANN project, this work proposes an architecture ofspiking neural network in order to recognize pictures, where traditional processing units are inefficient regarding this. In 2008, a new passive electrical component had been discovered : the memristor. Its resistance can be adjusted by applying a potential between its terminals. Behaving intrinsically as artificial synapses, memristives devices can be used inside artificial neural networks.We measure the variation in resistance of a ferroelectric memristor (obtained from UMjCNRS/Thalès) similar to the biological law STDP (Spike Timing Dependant Plasticity) used with spiking neurons. With our measurements on the memristor and our network simulation (aided by INRIASaclay) we designed successively two versions of the IC. The second IC design is driven by specifications of the first IC with additional functionalists. The second IC contains two layers of a spiking neural network dedicated to learn a picture of 81 pixels. A demonstrator of hybrid neural networks will be achieved by integrating a chip of memristive crossbar interfaced with thesecond IC
9
Boullet, Isabelle. "La sonie des sons impulsionnels : perception, mesures et modèles." Phd thesis, Université de la Méditerranée - Aix-Marseille II, 2005. http://tel.archives-ouvertes.fr/tel-00009870.
Анотація:
La sonie, intensité subjective d'un son est un paramètre psychoacoustique primordial dans l'évaluation de la gêne et dans les études sur la qualité sonore. Il existe à l'heure actuelle des modèles qui estiment bien la sonie de sons stationnaires, tels ceux de Zwicker (1958) et de Moore et coll. (1997). D'autres modèles (Zwicker et Fastl (1999) et Glasberg et Moore (2002)) existent pour calculer la sonie en fonction du temps mais présentent certaines limites pour donner la sonie globale de sons non stationnaires et en particulier de sons impulsionnels. Le but de ce travail de thèse est d'étudier la sonie de sons impulsionnels afin de pouvoir en proposer un estimateur pour éviter de mettre en œuvre des tests psychoacoustiques longs et onéreux, seul moyen aujourd'hui de connaître précisément la sonie de tels sons. L'originalité de ce travail a été de s'intéresser à des sons impulsionnels possédant une attaque rapide, pas de palier et une décroissance de forme exponentielle. Le choix de ces sons est basé sur l'observation de sons naturels que nous avons pu recenser dans notre environnement sonore. Un premier algorithme (ESI) a été proposé pour calculer la sonie à partir de caractéristiques physiques du signal telles que l'énergie et le temps de descente. Nous avons déterminé les lignes isosoniques, les fonctions de sonie et l'intégration temporelle de sons impulsionnels pour, non seulement déterminer les relations entre la sonie et les paramètres physiques du signal (fréquence, niveau et durée), mais aussi tester les modèles et en déterminer les domaines d'application. Les résultats de nos recherches étant en partie dédiés au domaine industriel et à la métrologie, nous nous sommes principalement intéressés au niveau d'isosonie, exprimé en phones. En effet, cette unité est plus pratique car elle est plus proche du niveau de pression, exprimé en dB SPL ou en dB(A), utilisé plus fréquemment. Nous avons donc déterminé la méthode de mesure du niveau d'isosonie la mieux adaptée à nos types de sons. Ainsi, la méthode d'ajustement a été retenue parmi quatre autres méthodes, pour sa fiabilité, sa stabilité et sa rapidité. Toutes ces données ont contribuées à déterminer des domaines d'application et des limites des modèles de sonie déjà proposés et de notre nouvel estimateur ainsi qu'à proposer un nouvel indice (Nimp), calculé à partir du modèle de Zwicker et Fastl (1999), pour donner une première approximation du niveau d'isosonie de sons impulsionnels.
10
Boullet, Isabelle Catherine. "La sonie des sons impulsionnels : perception, mesures et modèles." Aix-Marseille 2, 2005. http://www.theses.fr/2005AIX22053.
Анотація:
La sonie, intensité subjective d'un son est un paramètre psychoacoustique primordial dans l'évaluation de la gêne et dans les études sur la qualité sonore. Il existe à l'heure actuelle des modèles qui estiment bien la sonie de sons stationnaires, tels ceux de Zwicker (1958) et de Moore et coll. (1997). D'autres modèles (Zwicker et Fastl (1999) et Glasberg et Moore (2002)) existent pour calculer la sonie en fonction du temps mais présentent certaines limites pour donner la sonie globale de sons non stationnaires et en particulier de sons impulsionnels. Le but de ce travail de thèse est d'étudier la sonie de sons impulsionnels afin de pouvoir en proposer un estimateur pour éviter de mettre en œuvre des tests psychoacoustiques longs et onéreux, seul moyen aujourd'hui de connaître précisément la sonie de tels sons. L'originalité de ce travail a été de s'intéresser à des sons impulsionnels possédant une attaque rapide, pas de palier et une décroissance de forme exponentielle. Le choix de ces sons est basé sur l'observation de sons naturels que nous avons pu recenser dans notre environnement sonore. Un premier algorithme (ESI) a été proposé pour calculer la sonie à partir de caractéristiques physiques du signal telles que l'énergie et le temps de descente. Nous avons déterminé les lignes isosoniques, les fonctions de sonie et l'intégration temporelle de sons impulsionnels pour, non seulement déterminer les relations entre la sonie et les paramètres physiques du signal (fréquence, niveau et durée), mais aussi tester les modèles et en déterminer les domaines d'application. Les résultats de nos recherches étant en partie dédiés au domaine industriel et à la métrologie, nous nous sommes principalement intéressés au niveau d'isosonie, exprimé en phones. En effet, cette unité est plus pratique car elle est plus proche du niveau de pression, exprimé en dB SPL ou en dB(A), utilisé plus fréquemment. Nous avons donc déterminé la méthode de mesure du niveau d'isosonie la mieux adaptée à nos types de sons. Ainsi, la méthode d'ajustement a été retenue parmi quatre autres méthodes, pour sa fiabilité, sa stabilité et sa rapidité. Toutes ces données ont contribuées à déterminer des domaines d'application et des limites des modèles de sonie déjà proposés et de notre nouvel estimateur ainsi qu'à proposer un nouvel indice (Nimp), calculé à partir du modèle de Zwicker et Fastl (1999), pour donner une première approximation du niveau d'isosonie de sons impulsionnels.
11
Meunier, David. "UNE MODÉLISATION ÉVOLUTIONNISTE DU LIAGE TEMPOREL." Phd thesis, Université Lumière - Lyon II, 2007. http://tel.archives-ouvertes.fr/tel-00198797.
Анотація:
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.
12
Werner, Thilo. "Réseaux de neurones impulsionnels basés sur les mémoires résistives pour l'analyse de données neuronales." Thesis, Université Grenoble Alpes (ComUE), 2017. http://www.theses.fr/2017GREAS028/document.
Анотація:
Le système nerveux central humain est un système de traitement de l'information stupéfiant en termes de capacités, de polyvalence, d’adaptabilité et de faible consommation d'énergie. Sa structure complexe se compose de milliards de neurones, interconnectés par plusieurs trillions de synapses, formant des grappes spécialisées. Récemment, l'imitation de ces paradigmes a suscité un intérêt croissant en raison de la nécessité d'approches informatiques avancées pour s'attaquer aux défis liés à la génération de quantités massives de données complexes dans l'ère de l’Internet des Objets (IoT). Ceci a mené à un nouveau domaine de recherche, connu sous le nom d’informatique cognitive ou d'ingénierie neuromorphique, qui repose sur les architectures dites non-von-Neumann (inspirées du cerveau) en opposition aux architectures von-Neumann (ordinateurs classiques). Dans cette thèse, nous examinons l'utilisation des technologies de mémoire résistive telles que les mémoires à accès aléatoires à base de lacunes d’oxygène (OxRAM) et les mémoires à pont conducteur (CBRAM) pour la conception de synapses artificielles, composants de base indispensables des réseaux neuromorphiques. De plus, nous développons un réseau de neurones impulsionnels artificiel (SNN), utilisant des synapses OxRAM, pour l'analyse de données impulsionnelles provenant du cerveau humain en vue du traitement de troubles neurologiques, en connectant la sortie du SNN à une interface cerveau-ordinateur (BCI). L'impact des problèmes de fiabilité, caractéristiques des OxRAMs, sur les performances du système est étudié en détail et les moyens possibles pour atténuer les pénalités liées aux incertitudes des dispositifs seuls sont démontrés. En plus de l’implémentation avec des OxRAMs et CBRAMs de la bien connue plasticité fonction du temps d’occurrence des impulsions (STDP), qui constitue une forme de plasticité à long terme (LTP), les dispositifs OxRAM ont également été utilisés pour imiter la plasticité à court terme (STP). Les fonctionnalités fondamentalement différentes de la LTP et STP sont mises en évidenceThe central nervous system of humankind is an astonishing information processing system in terms of its capabilities, versatility, adaptability and low energy consumption. Its complex structure consists of billions of neurons interconnected by trillions of synapses forming specialized clusters. Recently, mimicking those paradigms has attracted a strongly growing interest, triggered by the need for advanced computing approaches to tackle challenges related to the generation of massive amounts of complex data in the Internet of Things (IoT) era. This has led to a new research field, known as cognitive computing or neuromorphic engineering, which relies on the so-called non-von-Neumann architectures (brain-inspired) in contrary to von-Neumann architectures (conventional computers). In this thesis, we explore the use of resistive memory technologies such as oxide vacancy based random access memory (OxRAM) and conductive bridge RAM (CBRAM) for the design of artificial synapses that are a basic building block for neuromorphic networks. Moreover, we develop an artificial spiking neural network (SNN) based on OxRAM synapses dedicated to the analysis of spiking data recorded from the human brain with the goal of using the output of the SNN in a brain-computer interface (BCI) for the treatment of neurological disorders. The impact of reliability issues characteristic to OxRAM on the system performance is studied in detail and potential ways to mitigate penalties related to single device uncertainties are demonstrated. Besides the already well-known spike-timing-dependent plasticity (STDP) implementation with OxRAM and CBRAM which constitutes a form of long term plasticity (LTP), OxRAM devices were also used to mimic short term plasticity (STP). The fundamentally different functionalities of LTP and STP are put in evidence
13
Mouraud, Anthony. "Approche distribuée pour la simulation évènementielle de réseaux de neurones impulsionnels : application du contrôle des saccades oculaires." Antilles-Guyane, 2009. http://www.theses.fr/2009AGUY0271.
Анотація:
Ce travail de thèse propose un simulateur événementiel, multithreadé et distribué pour la simulation de réseaux de neurone impulsionnels de grande taille, nommé DAMNED, qui signifie Distributed And Multithreaded Neural Event-Driven simulation framework. Répartissant le réseau de neurones sur les ressources matérielles synchronisées par une méthode décentralisée de gestion du temps virtuel, DAMNED introduit également un fonctionnement multithread. DAMNED permet d'accélérer les calculs et de simuler des réseau de plus grande taille qu'en séquentiel. DAMNED pennet d'exploiter de nombreux modèles de réseaux et de neurones et la plupart des supports matériels sont exploitables. Nous présentons l'utilisation de DAMNED sur un modèle simple de réseau pour différentes taille, connectivités et dynamiques. Ensuite, nous proposons une application directe de DAMNED dans une modélisation du système saccadique restreint au tronc cérébral. On montre, à l'aide de ce modèle, que l'hypothèse selon laquelle une somme vectorielle (vectc summation) des activités de la carte motrice du colliculus supérieur coderait pour l'amplitude de la saccade correspond davantage au données obtenues pour le modèle, exécuté sur DAMNED, qu'à l'hypothèse d'un moyennage de vecteurs (vector average). L'originalité de ce travail, parmi les premiers simulateurs distribués de réseaux de neurones impulsionnels, réside dans le couplage d'une stratégie événementielle, d'un multithreading interne aux processus logiques et une architecture physique distribuée. Le simulateur DAMNE D constitue donc une avancée dans le domaine des réseaux de neurones impulsionnels de grande tailleSimulating Spiking Neural Networks (SNN) with a sequentialevent-driven approach consumes less computation time than clock-drive methods. On the other hand, parallel computing supports provide a larger amount of material ressources for optimizing simulation performance. This PhD dissertation proposes DAMNED a Distributed And Multithreaded Neural Event-Driven simulation framework. DAMNED distributes the neurons and connections of the network on the material ressources synchronized through a decentralized globa virtual time and couples local multithreaded processing to the distributed hardware. DAMNED allows to speed up the simulation and to manage wider neural networks than sequential processing. DAMNED is suited to- run many models of spiking neurons and networks, and most material supports are workable. Using DAMNED is presented first on simple networks for different sizes, connectivities and activities. Next, DAMNED is applied to model and study the interactions between the neural circuits of the saccadic system located in the brainstem with SNN. The model helps validating the hypothesis that the saccade amplitude could be encoded by a vector summation of the activitie in the superior colliculus motor map rather than a vector average, compared to data obtained in the simulation. The originality of the present work is to couple event-driven and distributed programming: Moreover, DAMNED is the first SNN simulator taking advantage of an event-driven strategy internal multithreading of the logic processes and a distributed architecture of physical processes. Hence DAMNED is an advance in the area of simulating wide sizes of spiking neuron networks
14
Cherdo, Yann. "Détection d'anomalie non supervisée sur les séries temporelle à faible coût énergétique utilisant les SNNs." Electronic Thesis or Diss., Université Côte d'Azur, 2024. http://www.theses.fr/2024COAZ4018.
Анотація:
Dans le cadre de la maintenance prédictive du constructeur automobile Renault, cette thèse vise à fournir des solutions à faible coût énergétique pour la détection non supervisée d'anomalies sur des séries temporelles. Avec l'évolution récente de l'automobile, de plus en plus de données sont produites et doivent être traitées par des algorithmes d'apprentissage automatique. Ce traitement peut être effectué dans le cloud ou directement à bord de la voiture. Dans un tel cas, la bande passante du réseau, les coûts des services cloud, la gestion de la confidentialité des données et la perte de données peuvent être économisés. L'intégration d'un modèle d'apprentissage automatique dans une voiture est un défi car elle nécessite des modèles frugaux en raison des contraintes de mémoire et de calcul. Dans ce but, nous étudions l'utilisation de réseaux de neurones impulsionnels (SNN) pour la detection d'anomalies, la prédiction et la classification sur des séries temporelles. Les performances et les coûts énergétiques des modèles d'apprentissage automatique sont évalués dans un scénario Edge à l'aide de modèles matériels génériques qui prennent en compte tous les coûts de calcul et de mémoire. Pour exploiter autant que possible l'activité neuronale parcimonieuse des SNN, nous proposons un modèle avec des connexions peu denses et entraînables qui consomme la moitié de l'énergie de sa version dense. Ce modèle est évalué sur des benchmarks publics de détection d'anomalies, un cas d'utilisation réel de détection d'anomalies sur les voitures de Renault Alpine, les prévisions météorologiques et le dataset Google Speech Command. Nous comparons également ses performances avec d'autres modèles d'apprentissage automatique existants. Nous concluons que, pour certains cas d'utilisation, les modèles SNN peuvent atteindre les performances de l'état de l'art tout en consommant 2 à 8 fois moins d'énergie. Pourtant, d'autres études devraient être entreprises pour évaluer ces modèles une fois embarqués dans une voiture. Inspirés par les neurosciences, nous soutenons que d'autres propriétés bio-inspirées telles que l'attention, l'activité parcimonieuse, la hiérarchie ou la dynamique des assemblées de neurons pourraient être exploités pour obtenir une meilleure efficacité énergétique et de meilleures performances avec des modèles SNN. Enfin, nous terminons cette thèse par un essai à la croisée des neurosciences cognitives, de la philosophie et de l'intelligence artificielle. En plongeant dans les difficultés conceptuelles liées à la conscience et en considérant les mécanismes déterministes de la mémoire, nous soutenons que la conscience et le soi pourraient être constitutivement indépendants de la mémoire. L'objectif de cet essai est de questionner la nature de l'humain par opposition à celle des machines et de l'IAIn the context of the predictive maintenance of the car manufacturer Renault, this thesis aims at providing low-power solutions for unsupervised anomaly detection on time-series. With the recent evolution of cars, more and more data are produced and need to be processed by machine learning algorithms. This processing can be performed in the cloud or directly at the edge inside the car. In such a case, network bandwidth, cloud services costs, data privacy management and data loss can be saved. Embedding a machine learning model inside a car is challenging as it requires frugal models due to memory and processing constraints. To this aim, we study the usage of spiking neural networks (SNNs) for anomaly detection, prediction and classification on time-series. SNNs models' performance and energy costs are evaluated in an edge scenario using generic hardware models that consider all calculation and memory costs. To leverage as much as possible the sparsity of SNNs, we propose a model with trainable sparse connections that consumes half the energy compared to its non-sparse version. This model is evaluated on anomaly detection public benchmarks, a real use-case of anomaly detection from Renault Alpine cars, weather forecasts and the google speech command dataset. We also compare its performance with other existing SNN and non-spiking models. We conclude that, for some use-cases, spiking models can provide state-of-the-art performance while consuming 2 to 8 times less energy. Yet, further studies should be undertaken to evaluate these models once embedded in a car. Inspired by neuroscience, we argue that other bio-inspired properties such as attention, sparsity, hierarchy or neural assemblies dynamics could be exploited to even get better energy efficiency and performance with spiking models. Finally, we end this thesis with an essay dealing with cognitive neuroscience, philosophy and artificial intelligence. Diving into conceptual difficulties linked to consciousness and considering the deterministic mechanisms of memory, we argue that consciousness and the self could be constitutively independent from memory. The aim of this essay is to question the nature of humans by contrast with the ones of machines and AI
15
Dumont, Grégory. "Analyse de modèles de population de neurones : cas des neurones à réponse postsynaptique par saut de potentiel." Thesis, Bordeaux 1, 2012. http://www.theses.fr/2012BOR14601/document.
Анотація:
Ce travail de thèse concerne la modélisation mathématique et l’étude du comportement d’une population de neurones. Dans tout ce travail on s’arrêtera principalement sur une population de neurones auto-excitateurs où chaque cellule du réseau est supposée suivre la loi de l’intègre et tire. Néanmoins nous aborderons au détour d’un chapitre la modélisation d’une population de neurones inhibiteurs, et dans une dernière partie, nous discuterons la modélisation d’une population de neurones obéissant au modèle Ermentrout-Kopell aussi appelé le théta-neurone. L’angle de vue adopté dans cette thèse est donné par l’approche densité de population. Cette approche, dont nous rappellerons en détail les hypothèses et la construction, a été introduite il ya maintenant plus d’une dizaine d’années afin de faciliter la simulation d’une grande population de neurones. Dit plus précisément, une telle approche donne une équation aux dérivées partielles sur la densité de population de neurones dans l’espace d’état formé des potentiels admissibles du neurone. Nous ferons de plus l’hypothèse que la réponse d’un neurone à l’arrivée d’une impulsion est une dépolarisation instantanée, autrement dit un saut de potentiel. Comme nous le verrons,cette équation aux dérivées partielles est non linéaire (à cause du couplage de la population) et non locale (à cause du saut de potentiel). Si cette idée est compliquée et abstraite, elle anéanmoins prouvé tout au long de ces dix dernières années son importance dans la simulation numérique des grands réseaux.Il s’agit avant tout dans ce travail de thèse de donner un cadre mathématique adéquat aux équations aux dérivées partielles qui surgissent d’une telle approche. Ainsi nous discuterons,selon les différents choix de modélisation, du caractère bien posé du modèle par densité de populationet de sa possible explosion en temps fini. Nous discuterons comment la prise en compte d’hypothèses réalistes supplémentaires dans la modélisation, comme le retard entre l’émission d’un potentiel d’action et sa réception ou encore la période réfractaire peut stopper l’explosionen temps fini et garantir l’existence d’une solution globale. Un autre aspect abordé dans ce travail concerne les explications et la prédiction de la synchronisation des neurones. Deux définitions de la synchronisation seront explicitées selon encoreune fois les choix de modélisation. Nous verrons qu’en interprétant l’explosion en temps fini dela solution comme l’arrivée d’une masse de Dirac dans le taux de décharge de la populationon peut relier l’explosion à la synchronisation. Toutefois, avec des hypothèses de modélisation plus réalistes, comme les retards et la période réfractaire, ce phénomène est exclu. Nous verrons néanmoins qu’avec ces paramètres physiques supplémentaires des solutions périodiques apparaissent offrant différents rythmes de décharge de la population. Encore une fois, l’apparition de ces oscillations sera perçue comme la synchronisation de la populationThis thesis concerns the mathematical modelling and the study of the behavior of a population of neurons. In this work we will mainly consider a population of excitatory neurons whe reall the cells of the network follow the integrate-and-fire model. Nonetheless, we will tackle in a chapter the modelling of an inhibitory population of neurons, and we will discuss in the lastchapter the modelling of a population of neurons that follows the Ermentrout-Koppell model.The point of view of this thesis is given by the population density approach that has beenintroduced more than a decade ago in order to facilitate the simulation of a large assembly ofneurons. More precisely, this approach gives a partial differential equation that describes thedensity of neurons in the state space that is the set of all admissible potential of a neuron. We will assume that when receiving an action potential, the potential of the neuron makes a small jump. As we will see this partial differential equation is non linear (due to the coupling betweenneurons) and non-local (due to the potential jump). If this idea is complicated and abstract, itallows to simulate easily a large neural network.First of all, the thesis gives a mathematical framework for the equations that arise from thisthe population density approach. Then we will discuss the existence and the possible blow upin finite time of the solution. We will discuss how the consideration of more realistic modellingassumptions, as the refractory period and the delay between the emission and the reception ofan action potential can stop the blow up of the solution and give a well posed model.We will also try to caracterise the occurence of synchronization of the neural network. Twodifferent ways of seeing the synchronization will be describe. One relates the blow up in finitetime of the solution to the occurence of a Dirac mass in the firing rate of the population.Nonetheless, taking into account the delays, this kind of blow up will not be observed anymore.Nonetheless, as we will see, with this additional features the model will generate some periodicalsolutions that can also be related to the synchronization of the population
16
Senneret, Marc. "Chaos et ergodicité pour une famille de modèles de neurones." Paris 7, 2007. http://www.theses.fr/2007PA077078.
Анотація:
Cette thèse porte sur l'analyse mathématique de modèles décrivant l'activité neuronale. Dans une première partie, un rappel des principaux résultats concernant la biologie des neurones est fait. Nous analysons ensuite les deux modèles principaux de neurone que sont le modèle de Hodgkin-Huxley et celui de FitzHugh-Nagumo. Par une méthode de section de Poincaré, nous créons un modèle plus simple, linéaire par morceaux, conservant les propriétés essentielles de l'excitabilité. La thèse se poursuit avec l'étude numérique et analytique complète de la dynamique de deux de ces modèles couplés. La seconde partie présente les démonstrations rigoureuses montrant l'existence de mesure invariante de type SRB pour des systèmes modélisés par des applications affines par morceaux dans Rn, comme notre modèle précèdent. On utilise pour cela une méthode basée sur l'opérateur de Perron-Frobenius et l'inégalité de Lasota-Yorke. Ces résultats fournissent les fondations rigoureuses aux résultats de la première partieThis thesis present a mathematical analysis of models of neuronal activity. In a first part, we present the main results concerning the biology of neurons. We analyse two of the most used models of neuron, the Hodgkin-Huxley model and the FitzHugh-Nagumo model. . By a Poincaré section method, we make a simplier model, piece-wise linear, which keep the main features of excitability. We then study numericaly and analyticaly the dynamic of two coupled neurons, modeled by the precedent one. The second part is dedicated to the rigourous demonstration of the existence of invariant measures of SRB type for piece-wise affine maps of Rn, like our latter model. We use for this a method based on Frobenus-Perron operator and the inegality of Lasota-Yorke ; These results give the rigourous fondations for the results of the first part
17
Dupeyron, Denis. "Contribution à l'intégration sur silicium de modèles analogiques de neurones biologiques." Bordeaux 1, 1998. http://www.theses.fr/1998BOR10620.
Анотація:
Les travaux presentes dans cette these sont consacres a l'etude et a la mise en uvre de neurones artificiels sous forme de circuits integres specifiques analogiques (asics). Ces circuits reprennent un formalisme mathematique de modelisation reconnu en neurosciences, dit de hodgkin-huxley. Ils permettent une modelisation extremement precise de l'activite electrique des neurones du vivant. Nous decrivons ici les principes de cette modelisation, les circuits electroniques tels qu'ils ont ete integres, leur insertion dans un banc de modelisation analogique, et enfin des exemples divers de leur mise en uvre.
18
Weng, Qilong. "Stabilité pour des modèles de réseaux de neurones et de chimiotaxie." Thesis, Paris Sciences et Lettres (ComUE), 2017. http://www.theses.fr/2017PSLED026/document.
Анотація:
Cette thèse vise à étudier certains modèles biologiques dans le réseau neuronal et dans la chimiotaxie avec la méthode d’analyse spectrale. Afin de traiter les principaux problèmes, tels que l’existence et l’unicité des solutions et des états stationnaires ainsi que les comportements asymptotiques, le modèle linéaire ou linéarisé associé est considéré par l’aspect du spectre et des semi-groupes dans les espaces appropriés, puis la stabilité de modèle non linéaire suit. Plus précisément, nous commençons par une équation de courses-et-chutes linéaire dans la dimension d≥1 pour établir l’existence d’un état stationnaire unique, positif et normalisé et la stabilité exponentielle asymptotique dans l’espace L¹ pondéré basé sur la théorie de Kerin-Rutman avec quelques estimations du moment de la théorie cinétique. Ensuite, nous considérons le modèle du temps écoulé sous les hypothèses générales sur le taux de tir et nous prouvons l’unicité de l’état stationnaire et sa stabilité exponentielle non linéaire en cas sans ou avec délai au régime de connectivité faible de la théorie de l’analyse spectrale pour les semi-groupes. Enfin, nous étudions le modèle sous une hypothèse de régularité plus faible sur le taux de tir et l’existence de la solution ainsi que la même stabilité exponentielle sont généralement établies n’importe la prise en compte du délai ou non, au régime de connectivité faible ou forteThis thesis is aimed to study some biological models in neuronal network and chemotaxis with the spectral analysis method. In order to deal with the main concerning problems, such as the existence and uniqueness of the solutions and steady states as well as the asymptotic behaviors, the associated linear or linearized model is considered from the aspect of spectrum and semigroups in appropriate spaces then the nonlinear stability follows. More precisely, we start with a linear runs-and-tumbles equation in dimension d≥1 to establish the existence of a unique positive and normalized steady state and the exponential asymptotic stability in weighted L¹ space based on the Krein-Rutman theory together with some moment estimates from kinetic theory. Then, we consider time elapsed model under general assumptions on the firing rate and prove the uniqueness of the steady state and its nonlinear exponential stability in case without or with delay in the weak connectivity regime from the spectral analysis theory for semigroups. Finally, we study the model under weaker regularity assumption on the firing rate and the existence of the solution as well as the same exponential stability are established generally no matter taking delay into account or not and no matter in weak or strong connectivity regime
19
Roth, Sophie. "Réseaux de neurones modèles : contrôle de la différenciation axonale par micropatterns." Phd thesis, Grenoble 1, 2009. http://www.theses.fr/2009GRE10262.
Анотація:
Les réseaux de neurones in vitro sont des systèmes simples et pertinents pour tenter d’aborder la complexité des traitements de l’information effectués par le cerveau. Ils sont d’autant plus intéressants lorsqu’une architecture évoquant l’organisation de réseaux in vivo peut être imposée. C’est pourquoi les substrats micro-patternés sont maintenant couramment utilisés pour forcer l’adhésion et le développement des cellules conformément à une topologie prédéfinie. Cependant, la création de microcircuits neuronaux requiert un contrôle précis du flux d’information entre les cellules, uniquement réalisable en induisant la polarité neuronale (i. E la différenciation axonale) dans une direction spécifique. Bien que des molécules de guidance soient découvertes chaque jour, elles sont difficilement utilisables pour créer des réseaux in vitro de neurones polarisés puisque les technologies de patterning sont difficilement compatibles avec le greffage de protéines. Dans cette thèse, notre but était de réaliser un contrôle total de la polarité neuronale par l’action combinée d’une adhésion non spécifique et de contraintes physiques fournies par des géométries de motifs sophistiquées. Nous reportons ici un succès à près de 90 \% du contrôle de la direction de la pousse de l’axone. Notre démarche s’est basée sur deux résultats de la littérature. D’une part, la localisation du centrosome détermine le point d’émergence de l’axone et d’autre part, l’application d’une tension mécanique extérieure est suffisante pour induire la formation de l’axone. Nous avons exploité ces deux résultats dans un seul motif. Celui-ci contraint la position du centrosome et empêche la pousse de l’axone dans les directions non désirées grâce à des lignes courbées spécifiques limitant la tension interne du neurite. Non seulement ces résultats offrent un outil important pour créer des réseaux de neurones modèles mais aussi ils questionnent la fonction du centrosome et les mécanismes d’adhésion et de transmission de force dans les neurites, trop longtemps négligés en faveur de l’analyse du cône de croissanceIn vitro neuronal networks are pertinent simple systems to approach brain computational complexity. They are even more useful when an architecture evoking the in vivo network organization can be enforced. This is why micro-patterned substrates are now widely used to force cell adhesion and growth according to a predefined topology. However, building fully controlled neuronal microcircuits requires precise supervision of the information flow between cells, which can only be achieved by inducing neuronal polarity (i. E. Axonal differentiation) in a specific direction. Although more polarity-regulating molecules are being discovered each day, they are hardly usable to create polarized networks in vitro as most patterning technologies are not compatible with protein grafting. In this PhD, our goal was to achieve full control of neural polarity by combined action of non-specific adhesion and physical constraints provided by sophisticated patterning geometries. We report here the mastering of axonal growth direction with a success close to 90\%. This result was based upon previous observations : the centrosome localization determines the axon emergence point and mechanical tension is sufficient to ensure axon formation. We coupled these results into a single pattern to constrain the centrosome position with suitable adhesive patterns and prevent axon growing on undesired positions with specific curved shapes that provide a limitation of neurite tension. These findings not only provide an important tool for creating neuronal model networks but also question the centrosome function and the mechanisms of adhesion and force transmission within neurites that have been so far neglected in favour of growth cone analysis
20
Roth, Sophie. "Réseaux de Neurones modèles : Contrôle de la différenciation axonale par micropatterns." Phd thesis, Université de Grenoble, 2009. http://tel.archives-ouvertes.fr/tel-01010302.
Анотація:
Les réseaux de neurones in vitro sont des systèmes simples et pertinents pour tenter d'aborder la complexité des traitements de l'information effectués par le cerveau. Ils sont d'autant plus intéressants lorsqu'une architecture évoquant l'organisation de réseaux in vivo peut être imposée. C'est pourquoi les substrats micro-patternés sont maintenant couramment utilisés pour forcer l'adhésion et le développement des cellules conformément à une topologie prédéfinie. Cependant, la création de microcircuits neuronaux requiert un contrôle précis du flux d'information entre les cellules, uniquement réalisable en induisant la polarité neuronale (i.e axonal differenciation) dans une direction spécifique. Bien que des molécules de guidance soient découvertes chaque jour, elles sont difficilement utilisables pour créer des réseaux in vitro de neurones polarisés puisque les technologies de patterning ne sont pas compatibles avec le greffage de protéines. Dans cette thèse, notre but était de réaliser un contrôle total de la polarité neuronale par l'action combinée d'une adhésion non spécifique et de contraintes physiques fournies par des géométries de pattern sophistiquées. Nous reportons ici un succès à près de 90 % du contrôle de la direction de la pousse de l'axone. Ce résultat s'est basé sur d'anciennes observations. D'une part, la localisation du centrosome détermine le point d'émergence de l'axone et d'autre part, l'application d'une tension mécanique extérieure est suffisante pour induire la formation de l'axone. Nous avons exploité ces deux résultats dans un seul motif. Celui-ci contraint la position du centrosome et empêche la pousse de l'axone dans les directions non désirées grâce à des lignes courbées spécifiques limitant la tension interne du neurite. Non seulement ces résultats offrent un outil important pour créer des réseaux de neurones modèles mais aussi ils questionnent la fonction du centrosome et les mécanismes d'adhésion et de transmission de force dans les neurites, trop longtemps négligés à la faveur de l'analyse du cône de croissance.
21
Fois, Adrien. "Plasticité et codage temporel dans les réseaux impulsionnels appliqués à l'apprentissage de représentations." Electronic Thesis or Diss., Université de Lorraine, 2022. http://www.theses.fr/2022LORR0299.
Анотація:
Le calcul neuromorphique est un domaine de l'informatique en plein essor. Il cherche à définir des modèles de calculs s'inspirant des propriétés du cerveau. Le calcul neuromorphique redéfinit la nature des trois composants clés de l'apprentissage : 1) données, 2) substrat de calcul et 3) algorithmes, en se fondant sur le fonctionnement du cerveau. Premièrement, les données sont représentées avec des événements tout ou rien distribués dans l'espace et le temps : les impulsions neuronales. Deuxièmement, le substrat de calcul efface la séparation entre calcul et mémoire introduite par les architectures de Von Neumann en les co-localisant, comme dans le cerveau. En outre, le calcul est massivement parallèle et asynchrone permettant aux unités computationnelles d'être activées à la volée, de façon indépendante. Troisièmement, les algorithmes d'apprentissage sont adaptés au substrat en exploitant les informations disponibles localement, au niveau du neurone. Ce vaste remaniement dans la manière d'appréhender la représentation et le transfert de l'information, le calcul et l'apprentissage, permettent aux processeurs neuromorphiques de promettre notamment un gain d'énergie d'un facteur considérable de 100 à 1000 par rapport aux CPU. Dans cette thèse, nous explorons le versant algorithmique du calcul neuromorphique en proposant des règles d'apprentissage événementielles répondant aux contraintes de localité et capables d'extraire des représentations de flux de données impulsionnels, épars et asynchrones. En outre, alors que la plupart des travaux connexes se basent sur des codes par taux de décharge où l'information est exclusivement représentée dans le nombre d'impulsions, nos règles d'apprentissage exploitent des codes temporels beaucoup plus efficients, où l'information est contenue dans les temps d'impulsions. Nous proposons d'abord une analyse approfondie d'une méthode de codage temporel par population de neurones, en proposant une méthode de décodage, et en analysant l'information délivrée et la structure du code. Puis nous introduisons une nouvelle règle événementielle et locale capable d'extraire des représentations de codes temporels en stockant des centroïdes de manière distribuée dans les poids synaptiques d'une population de neurones. Nous accentuons ensuite la nature temporelle de l'apprentissage en proposant d'apprendre des représentations non pas dans les poids synaptiques, mais dans les délais de transmission opérant intrinsèquement dans la dimension temporelle. Cela a engendré deux nouvelles règles événementielles et locales. Une règle adapte les délais de sorte à stocker des représentations, l'autre règle adapte les poids de sorte à filtrer les caractéristiques en fonction de leurs variabilité temporelle. Ces deux règles opèrent de manière complémentaire. Dans un dernier modèle, ces règles adaptant poids et délais sont augmentées par un nouveau neuromodulateur spatio-temporel. Ce neuromodulateur permet au modèle de reproduire le comportement des cartes auto-organisatrices dans un substrat impulsionnel, aboutissant ainsi à la génération de cartes ordonnées lors de l'apprentissage de représentations. Enfin nous proposons une nouvelle méthode générique d'étiquetage et de vote conçue pour des réseaux de neurones impulsionnels traitant des codes temporels. Cette méthode nous permet d'évaluer notre dernier modèle sur des tâches de catégorisationNeuromorphic computing is a rapidly growing field of computer science. It seeks to define models of computation inspired by the properties of the brain. Neuromorphic computing redefines the nature of the three key components of learning: 1) data, 2) computing substrate, and 3) algorithms, based on how the brain works. First, the data are represented with all-or-nothing events distributed in space and time: spikes. Second, the computational substrate erases the separation between computation and memory introduced by Von Neumann architectures by co-locating them, as in the brain. Furthermore, the computation is massively parallel and asynchronous allowing the computational units to be activated on the fly, independently. Third, the learning algorithms are adapted to the computing substrate by exploiting the information available locally, at the neuron level. This vast overhaul in the way information transfer, information representation, computation and learning are approached, allows neuromorphic processors to promise in particular an energy saving of a considerable factor of 100 to 1000 compared to CPUs. In this thesis, we explore the algorithmic side of neuromorphic computing by proposing event-driven learning rules that satisfy locality constraints and are capable of extracting representations of event-based, sparse and asynchronous data streams. Moreover, while most related studies are based on rate codes where information is exclusively represented in the number of spikes, our learning rules exploit much more efficient temporal codes, where information is contained in the spike times. We first propose an in-depth analysis of a temporal coding method using a population of neurons. We propose a decoding method and we analyze the delivered information and the code structure. Then we introduce a new event-driven and local rule capable of extracting representations from temporal codes by storing centroids in a distributed way within the synaptic weights of a neural population. We then propose to learn representations not in synaptic weights, but rather in transmission delays operating intrinsically in the temporal dimension. This led to two new event-driven and local rules. One rule adapts delays so as to store representations, the other rule adapts weights so as to filter features according to their temporal variability. The two rules operate complementarily. In a last model, these rules adapting weights and delays are augmented by a new spatio-temporal neuromodulator. This neuromodulator makes it possible for the model to reproduce the behavior of self-organizing maps with spiking neurons, thus leading to the generation of ordered maps during the learning of representations. Finally, we propose a new generic labeling and voting method designed for spiking neural networks dealing with temporal codes. This method is used so as to evaluate our last model in the context of categorization tasks
22
Ferré, Paul. "Adéquation algorithme-architecture de réseaux de neurones à spikes pour les architectures matérielles massivement parallèles." Thesis, Toulouse 3, 2018. http://www.theses.fr/2018TOU30318/document.
Анотація:
Cette dernière décennie a donné lieu à la réémergence des méthodes d'apprentissage machine basées sur les réseaux de neurones formels sous le nom d'apprentissage profond. Bien que ces méthodes aient permis des avancées majeures dans le domaine de l'apprentissage machine, plusieurs obstacles à la possibilité d'industrialiser ces méthodes persistent, notamment la nécessité de collecter et d'étiqueter une très grande quantité de données ainsi que la puissance de calcul nécessaire pour effectuer l'apprentissage et l'inférence avec ce type de réseau neuronal. Dans cette thèse, nous proposons d'étudier l'adéquation entre des algorithmes d'inférence et d'apprentissage issus des réseaux de neurones biologiques pour des architectures matérielles massivement parallèles. Nous montrons avec trois contributions que de telles adéquations permettent d'accélérer drastiquement les temps de calculs inhérents au réseaux de neurones. Dans notre premier axe, nous réalisons l'étude d'adéquation du moteur BCVision de Brainchip SAS pour les plate-formes GPU. Nous proposons également l'introduction d'une architecture hiérarchique basée sur des cellules complexes. Nous montrons que l'adéquation pour GPU accélère les traitements par un facteur sept, tandis que l'architecture hiérarchique atteint un facteur mille. La deuxième contribution présente trois algorithmes de propagation de décharges neuronales adaptés aux architectures parallèles. Nous réalisons une étude complète des modèles computationels de ces algorithmes, permettant de sélectionner ou de concevoir un système matériel adapté aux paramètres du réseau souhaité. Dans notre troisième axe nous présentons une méthode pour appliquer la règle Spike-Timing-Dependent-Plasticity à des données images afin d'apprendre de manière non-supervisée des représentations visuelles. Nous montrons que notre approche permet l'apprentissage d'une hiérarchie de représentations pertinente pour des problématiques de classification d'images, tout en nécessitant dix fois moins de données que les autres approches de la littératureThe last decade has seen the re-emergence of machine learning methods based on formal neural networks under the name of deep learning. Although these methods have enabled a major breakthrough in machine learning, several obstacles to the possibility of industrializing these methods persist, notably the need to collect and label a very large amount of data as well as the computing power necessary to perform learning and inference with this type of neural network. In this thesis, we propose to study the adequacy between inference and learning algorithms derived from biological neural networks and massively parallel hardware architectures. We show with three contribution that such adequacy drastically accelerates computation times inherent to neural networks. In our first axis, we study the adequacy of the BCVision software engine developed by Brainchip SAS for GPU platforms. We also propose the introduction of a coarse-to-fine architecture based on complex cells. We show that GPU portage accelerates processing by a factor of seven, while the coarse-to-fine architecture reaches a factor of one thousand. The second contribution presents three algorithms for spike propagation adapted to parallel architectures. We study exhaustively the computational models of these algorithms, allowing the selection or design of the hardware system adapted to the parameters of the desired network. In our third axis we present a method to apply the Spike-Timing-Dependent-Plasticity rule to image data in order to learn visual representations in an unsupervised manner. We show that our approach allows the effective learning a hierarchy of representations relevant to image classification issues, while requiring ten times less data than other approaches in the literature
23
Tardif, Patrice. "Autostructuration des réseaux de neurones avec retards." Thesis, Université Laval, 2007. http://www.theses.ulaval.ca/2007/24240/24240.pdf.
24
Burel, Gilles. "RESEAUX DE NEURONES EN TRAITEMENT D'IMAGES - Des Modèles théoriques aux Applications Industrielles -." Phd thesis, Université de Bretagne occidentale - Brest, 1991. http://tel.archives-ouvertes.fr/tel-00101699.
Анотація:
Les travaux présentés portent sur les réseaux de neurones appliqués autraitement du signal et de l'image. On se place d'emblée du point de vue de
l'industriel impliqué dans la recherche, c'est à dire que l'on s'intéresse à
des problèmes réalistes, sans pour autant négliger la recherche
théorique.
Dans une première partie, nous montrons
l'intérêt des réseaux de neurones comme source d'inspiration pour la
conception de nouveaux algorithmes. Nous proposons en particulier une
structure originale pour la prédiction, ainsi que de nouveaux algorithmes de
Quantification Vectorielle. Les propriétés des algorithmes existants sont
également éclaircies du point de vue théorique, et des méthodes de réglage
automatique de leurs paramètres sont proposées.
On montre ensuite les capacités des réseaux de neurones à traiter un vaste champ
d'applications d'intérêt industriel. Pour divers problèmes de traitement de
l'image et du signal (de la segmentation à la séparation de sources, en
passant par la reconnaissance de formes et la compression de données), on
montre qu'il est possible de développer à moindre coût une solution neuronale
efficace.
25
Maghrebi, Fatine. "Modèles de réseaux de neurones pour la commande des carrefours à feux." Paris 1, 1994. http://www.theses.fr/1994PA010082.
26
Renversez, Gilles. "Modèles de neurones pour les neurosciences : des canaux ioniques à la synchronisation." Paris 11, 1997. http://www.theses.fr/1997PA112354.
Анотація:
Nous commençons par rappeler quelques bases de neurobiologie sur les caractéristiques et les propriétés du neurone et nous décrivons le modèle fondateur décrivant l'activité électrique neuronale. Puis nous proposons un modèle qui permet de décrire les variations spatio-temporelles du potentiel de membrane du corps cellulaire d'un neurone lors de l'émission du potentiel d'action en tenant compte de la distribution spatiale des différents canaux ioniques. Ce travail a été motivé par des résultats récents d'imagerie à haute résolution spatiale qui mettent en évidence des variations spatiales du potentiel à la surface d'un soma. Nous montrons que seules des distributions non-uniformes de canaux ioniques peuvent engendrer de telles hétérogénéités de potentiel. Ensuite, nous exposons notamment une méthode connue de réduction dimensionnelle pouvant faire un lien entre les modèles qui utilisent un grand nombre de variables pour décrire l'état du neurone et des modèles réduits. Nous étudions alors le comportement dynamique de plusieurs systèmes réduits issus de différents schémas de réduction dimensionnelle en réponse à une stimulation extérieure variable dans le temps. Par la suite, nous étudions dans le détail le problème de la synchronisation de deux neurones mutuellement couplés par un couplage inhibiteur retardé biologiquement plausible. Cette étude s'effectue sur un modèle réduit, capable de générer des potentiels d'action, utilisant deux variables continues pour décrire l'état du neurone. Nous obtenons un contrôle analytique de la synchronisation grâce à des approximations linéaires par morceaux effectuées dans l'espace des phases des deux neurones. Nous montrons que la synchronisation obtenue est stable vis à vis de l'introduction de bruit dans la dynamique neuronale. Dans la dernière partie, nous abordons numériquement le problème de la synchronisation d'un réseau de neurones globalement couplés par inhibition retardée. Nous utilisons deux mesures différentes pour quantifier la synchronisation au sein du réseau. Nous montrons que la synchronisation obtenue des potentiels d'action est robuste vis à vis du bruit même pour un réseau hétérogèneWe firstly recall the main characteristics and properties of biological neurons and we describe the Hodgkin-Huxley's model of neuronal electric activity. We then propose a model which allows to compute the spatiotemporal variations in the somatic transmembrane potential during an action potential. It takes into account bath the spatial distribution of ionic channels on a spherical body cell and their stochastic dynamics. This work has been motivated by recent experimental results which reported heterogeneous electric-field patterns on the somatic membrane during the action potential firing. We show that only inhomogeneous spatial distributions of ionic channels can create such heterogeneous patterns. Then, we describe a known method of dimensional reduction scheme which allows to link models using many variables to define neuronal dynamics to reduced systems. We study the dynamics of several such reduced models according to time-dependent external stimulation. In the following part, we study in detail the synchronization of two neurons mutually coupled with biologically plausible time-delayed inhibition. The neuron model is a two component dynamical system which can generate action potential. We obtain analytical results on the synchronization using piecewise linear approximations in neurons phase space. We show that the coincidence synchronization is stable versus the noise introduced in neuronal dynamics. Finally, we numerically study the dynamics of a globally connected network of neurons coupled with time-delayed inhibition. We use two types of quantitative measures to assess the level of synchrony of the network. We show that the synchronization of action potentials is stable versus noise even in an heterogeneous network and that the exchange of few action potentials is sufficient to get this synchronization. We notice that such a network of inhibitory neurons can generate membrane potential oscillations of the same type as the ones observed-in experiments
27
Burel, Gilles. "Réseaux de neurones en traitement d'images : des modèles théoriques aux applications industrielles." Brest, 1991. http://www.theses.fr/1991BRES2019.
Анотація:
Les travaux presentes portent sur les reseaux de neurones appliques au traitement du signal et de l'image. On se place d'emblee du point de vue de l'industriel implique dans la recherche, c'est-a-dire que l'on s'interesse a des problemes realistes, sans pour autant negliger la recherche theorique. Dans une premiere partie, nous montrons l'interet des reseaux de neurones comme source d'inspiration pour la conception de nouveaux algorithmes. Nous proposons en particulier une structure originale pour la prediction, ainsi que de nouveaux algorithmes de quantification vectorielle. Les proprietes des algorithmes existants sont egalement eclaircies du point de vue theorique, et des methodes de reglage automatique de leurs parametres sont proposees. On montre ensuite les capacites des reseaux de neurones a traiter un vaste champ d'applications d'interet industriel. Pour divers problemes de traitement de l'image et du signal (de la segmentation a la separation de sources, en passant par la reconnaissance de formes et la compression de donnees), on montre qu'il est possible de developper a moindre cout une solution neuronale efficace
28
Koiran, Pascal. "Puissance de calcul des réseaux de neurones artificiels." Lyon 1, 1993. http://www.theses.fr/1993LYO19003.
Анотація:
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
29
Yonaba, Harouna. "Modélisation hydrologique hybride : réseau de neurones - modèle conceptuel." Thesis, Université Laval, 2009. http://www.theses.ulaval.ca/2009/26583/26583.pdf.
30
Émirian, Frédéric. "Étude et conception d'une machine parallèle multi-modèles pour les réseaux de neurones." Toulouse, INPT, 1996. http://www.theses.fr/1996INPT091H.
Анотація:
Les modeles de reseaux de neurones, constitues de cellules interconnectees travaillant simultanement, se pretent tres naturellement a une simulation sur architecture parallele. Cependant, l'obtention de bonnes performances sur les differents types de reseaux neuronaux impose d'avoir une machine suffisamment souple et dotee d'un reseau de communication tres performant. Dans cette etude, nous proposons une architecture parallele mimd dotee d'un reseau de communication en anneau a cordes dont les parametres topologiques sont optimises afin de reduire son diametre tout en le rendant partitionnable. Le modele de communication que nous choisissons est du type statique, point a point entre processeurs directement connectes, et sans aucun mecanisme de routage. Cette derniere restriction ne diminue en rien les performances dans la mesure ou les principales architectures neuronales sont elles-memes statiques ; elle nous permet en outre de simplifier le materiel et d'optimiser l'ordonnancement des travaux des processeurs explicitement par programme. Nous avons introduit une extension parallele du langage c implantant un modele de programmation du type spmd (parallelisme de donnees) avec instructions de communications globales afin de faciliter le developpement des applications. Ce langage permet d'effectuer un controle semantique assurant l'absence de risques d'inter-blocage des processeurs. Nous avons realise un compilateur generant du code pour un environnement de simulation, et nous avons ecrit des programmes pour les principaux algorithmes neuronaux ainsi que pour des algorithmes de traitement d'images afin de confirmer l'interet du couple architecture-langage choisi. Nous proposons des solutions pour une realisation materielle a base de processeurs de signaux et/ou d'asic ; notre etude porte essentiellement sur la realisation des liaisons de communication entre les nuds du reseau
31
Ducom, Jean-Christophe. "Codage temporel et apprentissage dans les réseaux de neurones." Aix-Marseille 1, 1996. http://www.theses.fr/1996AIX11041.
Анотація:
Nous rappelons dans un premier temps quelques bases de neurobiologie sur les caracteristiques et les proprietes du neurone, ainsi que sur l'organisation generale des neurones dans le cerveau. Ceci nous amene par la suite a reconsiderer les modeles classiques de reseaux de neurones formels, a cause de leur manque de realisme et de leur incapacite a resoudre certains problemes, tels que la segmentation et le liage d'attributs visuels. Or, de recentes experiences sur le traitement de stimuli par le cortex visuel exhibent un nouveau type de codage de l'information, base sur les relations temporelles entre les differents potentiels d'action (en particulier la synchronisation de leurs temps d'emission), et non plus sur la frequence de decharge des neurones. A partir de la variante de codage temporel de s. Thorpe, nous proposons un modele de presynchronisation d'activite neuronale reposant sur un couplage diffusif entre neurones et sur un signal inhibiteur. Nous etudions les proprietes d'un tel reseau de neurones realistes, de type integrateur a seuil avec fuite, suivant differents types de signal d'entree et de bruit. Dans une seconde partie, nous etudions les consequences de l'introduction du temps pour l'apprentissage: les temps de transmission du signal entre neurones sont pris en compte. Apres avoir rappele les principaux resultats experimentaux sur l'apprentissage, ceux-ci permettant de degager certaines contraintes biologiques, nous proposons une loi de modification des efficacites synaptiques. Elle permet au reseau de conserver et de recuperer une suite de configurations d'activite spatio-temporelle. Enfin, nous etudions ses proprietes lorsque certaines contraintes de normalisation lui sont imposees au niveau des variations des poids synaptiques ; on montre alors que le comportement du reseau est different selon la maniere utilisee pour realiser ces contraintes
32
Benaïm, Michel. "Dynamiques d'activation et dynamiques d'apprentissage des réseaux de neurones." Toulouse, ENSAE, 1992. http://www.theses.fr/1992ESAE0001.
Анотація:
L'objet principal de cette these est d'etudier de facon rigoureuse un modele temps-reel de reseau de neurones. La description mathematique complete d'un modele temps-reel requiert la donnee de trois dynamiques: la dynamique d'activation ou dynamique des memoires a court terme qui determine l'evolution des etats d'activation des unites. La dynamique des poids ou dynamique des memoires a long terme qui determine l'evolution des vecteurs poids selon une regle d'apprentissage ou un mecanisme d'auto-organisation. Une dynamique exogene qui decrit l'evolution des stimuli exterieurs au reseau et que nous representerons par un processus aleatoire. Aussi l'evolution du reseau est donnee par un systeme dynamique non autonome couple, dans le produit cartesien de l'espace d'activation par l'espace des poids. Avec ce formalisme, nous etudions un modele de reseau qui peut etre vu comme une version temps-reel des cartes auto-organisatrices de kohonen et plus generalement d'une classe de reseaux utilises comme modules elementaires dans des architectures evoluees (art, neocognitron,. . . )
33
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.
Анотація:
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
34
Langou, Karine. "Développement de nouveaux modèles expérimentaux de la Sclérose Latérale Amyotrophique." Thesis, Aix-Marseille 2, 2010. http://www.theses.fr/2010AIX22033.
Анотація:
La SLA est une maladie neurodégénérative se caractérisant par la perte progressive et sélective des neurones moteurs. une mutation dans le gène codant pour VAPB a été associée avec la SLA. VAPB est une protéine du réticulum endoplasmique (RE) qui jouerait un rôle dans le transport de protéines et dans la réponse du RE aux protéines mal repliées. J'ai utilisé la technique de transfert viral de gène pour induire l'expression de VAPB humaine (hVAP-Bwt et hVAP-BP56S) dans les neurones moteurs in vitro. Nous avons observé que hVAPBP56S forme des agrégats cytoplasmiques et que la surexpression de hVAPBwt et hVAPBp56s induit la mort des neurones via un mécanisme dépendant du RE et du calcium. Dans les cellules Cos-7, l'expression de hVAP-Bwt et hVAP-Bp(-s bloque l'activité du protéasome via l'activation d'un stress du RE et la séquestration de la sous-unité 20S. Enfin, nous avons développé des souris transgéniques hVAPBp56s mais elles ne développent aucun phénotype moteurALS is a neurodegenerative disease characterized by a selective loss of motor neurons. A mutation in VAPB protein has been associated with ALS. VAPB, an endoplamic reticulum (ER) resident protein is proposed to play a role in protein transport and in the unfolded protein response. To manipulate VAPB (hVAPBwt and hVAPBp56s) expression in motor neurons in vitro, I used the viral gene transfer technology. hVAPBp56s induces selective motor neuron death which involved an ER-related pathway dependent on calcium signals. Studies on Cos-7 cells showed that hVAPBwt and hVAPBp56s impair the proteasome activity through the activation of ER stress and the sequestration of the 20S subnit. Moreover, we developed transgenic mice overxpressing hVAPBp56s which do not display any motor disorder
35
Gouix, Elsa. "Conséquences d'un dysfonctionnement astrocytaire sur la viabilité neuronale dans des modèles d'hypoxie/ischemie." Aix-Marseille 2, 2009. http://theses.univ-amu.fr.lama.univ-amu.fr/2009AIX22091.pdf.
Анотація:
Les astrocytes ont un rôle crucial dans la modulation de l'activité neuronale contrôlant la concentration extracellulaire de glutamate grâce à des transporteurs à haute affinité et secondairement dépendants de l'ATP. Dans des conditions de crise énergétique majeure comme dans l'hypoxie/ischémie (HI), la recapture de glutamate est stoppée voire même inversée, induisant une élévation de la concentration extracellulaire de glutamate. Mes travaux de thèse montrent que l'inversion de la recapture astrocytaire de glutamate induite pas le PDC dans des cultures mixtes corticales murines de neurones et d'astrocytes conduit à une mort neuronale massive, impliquant les récepteurs NMDA extrasynaptiques, une altération du potentiel membranaire mitochondrial et l'extinction de la voie de signalisation ERK 1&2. Parallélement, une privation en oxygène et en glucose (OGD, modèle HI) de 3 heures induit la mort oxydative et apoptotique s'astrocytes striataux différenciés murins ne leur permettant plus de synthétiser le glutathion, antioxydant majeur du SNC des Mammifères. Au contraire, des astrocytes indifférenciés résistent à 3h d'OGD mais présentent transitoirement un phénotype Alzheimer type II observé dans le cerveau humain périnatal ischémié. Des neurones stratiaux naïfs en coculture pendant 3 jours avec les astrocytes différenciés soumis à 3h d'OGD semblent paradoxalement plus viables qu'en coculture avec les indifférenciés. Ceci pourrait s'expliquer par une libération de glutamate par les astrocytes indifférenciés pouvant activer les R. NMDA extrasynaptiques neuronaux et déclencher la mort neuronale. Ces résultats illustrent que les astrocytes peuvent répondre différemment à une HI, modulant de façon différentielle la viabilité des neuronesAstrocytes have a crucial function in modulating neuronal activity especially in glutamatergic synapse where they tightly control transmission through sodium and secondarily ATP dependent-high affinity glutamate transporters. In hypoxic/ischemic (HI) conditions a major energetic crisis takes place and glutamate uptake has been shown to be stopped and aven reversed leading to extracellular glutamate concentration increase. My thesis results show that reverse glial glutamate uptake pharmacologically induced by PDC triggers neuronal death through extrasynaptic NMDA receptor induced calcium entry, neuronal mitochondrial membrane potential impairment and a shut off of the neurotrophic ERK 1/2 signaling pathway. This neuronal death wa rapid and necrotic. Using an oxygen and glucose deprivation model (OGD, HI model in vitro) we evidenced the oxidative and apoptotic death of differentiated (quiescent) murine striatal astrocytes 3 days after 3h-OGD. This death war correlated with a decreased capacity to synthetise glutathione the main antioxidant of the mamml CNS. By the same time, undifferentiated striatal astrocytes were resistant to 3h-OGD but changed transiently their morphology to Alzheimer type II astrocytes, a phenotype commonly observed in perinatal ischemic humain brain. Viability of striatal naïve neurons in coculture with differentiated astrocytes seemed to be higher than in coculture with undifferentiated ones. This could be explained by glutathione release from apoptotic astrocytes during the coculture, which can be neuroprotective. On the other hand a presumed glutamate release from undifferentiated astrocytes may activate extrasynaptic NMDA receptors and tigger neuronal death. These data illustrate that astrocytes may display different responses to HI insult thus conditioning neuronal
36
Schutz, Georges. "Adaptations et applications de modèles mixtes de réseaux de neurones à un processus industriel." Phd thesis, Université Henri Poincaré - Nancy I, 2006. http://tel.archives-ouvertes.fr/tel-00115770.
Анотація:
Cette étude consiste à étudier l'apport de réseaux de neuronesartificiels pour améliorer le contrôle de processus industriels
complexes, caractérisés en particulier par leur aspect temporel.
Les motivations principales pour traiter des séries temporelles
sont la réduction du volume de données, l'indexation pour la
recherche de similarités, la localisation de séquences,
l'extraction de connaissances (data mining) ou encore la
prédiction.
Le processus industriel choisi est un four à arc
électrique pour la production d'acier liquide au Luxembourg. Notre
approche est un concept de contrôle prédictif et se base sur des
méthodes d'apprentissage non-supervisé dans le but d'une
extraction de connaissances.
Notre méthode de codage se base sur
des formes primitives qui composent les signaux. Ces formes,
composant un alphabet de codage, sont extraites par une méthode
non-supervisée, les cartes auto-organisatrices de Kohonen (SOM).
Une méthode de validation des alphabets de codage accompagne
l'approche.
Un sujet important abordé durant ces recherches est
la similarité de séries temporelles. La méthode proposée est
non-supervisée et intègre la capacité de traiter des séquences de
tailles variées.
37
Suzano, Massa Francisco Vitor. "Mise en relation d'images et de modèles 3D avec des réseaux de neurones convolutifs." Thesis, Paris Est, 2017. http://www.theses.fr/2017PESC1198/document.
Анотація:
La récente mise à disposition de grandes bases de données de modèles 3D permet de nouvelles possibilités pour un raisonnement à un niveau 3D sur les photographies. Cette thèse étudie l'utilisation des réseaux de neurones convolutifs (CNN) pour mettre en relation les modèles 3D et les images.Nous présentons tout d'abord deux contributions qui sont utilisées tout au long de cette thèse : une bibliothèque pour la réduction automatique de la mémoire pour les CNN profonds, et une étude des représentations internes apprises par les CNN pour la mise en correspondance d'images appartenant à des domaines différents. Dans un premier temps, nous présentons une bibliothèque basée sur Torch7 qui réduit automatiquement jusqu'à 91% des besoins en mémoire pour déployer un CNN profond. Dans un second temps, nous étudions l'efficacité des représentations internes des CNN extraites d'un réseau pré-entraîné lorsqu'il est appliqué à des images de modalités différentes (réelles ou synthétiques). Nous montrons que malgré la grande différence entre les images synthétiques et les images naturelles, il est possible d'utiliser certaines des représentations des CNN pour l'identification du modèle de l'objet, avec des applications possibles pour le rendu basé sur l'image.Récemment, les CNNs ont été utilisés pour l'estimation de point de vue des objets dans les images, parfois avec des choix de modélisation très différents. Nous présentons ces approches dans un cadre unifié et nous analysons les facteur clés qui ont une influence sur la performance. Nous proposons une méthode d'apprentissage jointe qui combine à la fois la détection et l'estimation du point de vue, qui fonctionne mieux que de considérer l'estimation de point de vue de manière indépendante.Nous étudions également l'impact de la formulation de l'estimation du point de vue comme une tâche discrète ou continue, nous quantifions les avantages des architectures de CNN plus profondes et nous montrons que l'utilisation des données synthétiques est bénéfique. Avec tous ces éléments combinés, nous améliorons l'état de l'art d'environ 5% pour la précision de point de vue moyenne sur l'ensemble des données Pascal3D+.Dans l'étude de recherche de modèle d'objet 3D dans une base de données, l'image de l'objet est fournie et l'objectif est d'identifier parmi un certain nombre d'objets 3D lequel correspond à l'image. Nous étendons ce travail à la détection d'objet, où cette fois-ci un modèle 3D est donné, et l'objectif consiste à localiser et à aligner le modèle 3D dans image. Nous montrons que l'application directe des représentations obtenues par un CNN ne suffit pas, et nous proposons d'apprendre une transformation qui rapproche les répresentations internes des images réelles vers les représentations des images synthétiques. Nous évaluons notre approche à la fois qualitativement et quantitativement sur deux jeux de données standard: le jeu de données IKEAobject, et le sous-ensemble du jeu de données Pascal VOC 2012 contenant des instances de chaises, et nous montrons des améliorations sur chacun des deuxThe recent availability of large catalogs of 3D models enables new possibilities for a 3D reasoning on photographs. This thesis investigates the use of convolutional neural networks (CNNs) for relating 3D objects to 2D images.We first introduce two contributions that are used throughout this thesis: an automatic memory reduction library for deep CNNs, and a study of CNN features for cross-domain matching. In the first one, we develop a library built on top of Torch7 which automatically reduces up to 91% of the memory requirements for deploying a deep CNN. As a second point, we study the effectiveness of various CNN features extracted from a pre-trained network in the case of images from different modalities (real or synthetic images). We show that despite the large cross-domain difference between rendered views and photographs, it is possible to use some of these features for instance retrieval, with possible applications to image-based rendering.There has been a recent use of CNNs for the task of object viewpoint estimation, sometimes with very different design choices. We present these approaches in an unified framework and we analyse the key factors that affect performance. We propose a joint training method that combines both detection and viewpoint estimation, which performs better than considering the viewpoint estimation separately. We also study the impact of the formulation of viewpoint estimation either as a discrete or a continuous task, we quantify the benefits of deeper architectures and we demonstrate that using synthetic data is beneficial. With all these elements combined, we improve over previous state-of-the-art results on the Pascal3D+ dataset by a approximately 5% of mean average viewpoint precision.In the instance retrieval study, the image of the object is given and the goal is to identify among a number of 3D models which object it is. We extend this work to object detection, where instead we are given a 3D model (or a set of 3D models) and we are asked to locate and align the model in the image. We show that simply using CNN features are not enough for this task, and we propose to learn a transformation that brings the features from the real images close to the features from the rendered views. We evaluate our approach both qualitatively and quantitatively on two standard datasets: the IKEAobject dataset, and a subset of the Pascal VOC 2012 dataset of the chair category, and we show state-of-the-art results on both of them
38
Asfogo, Noemi. "Intéraction entre synucléinopathie et dysfonctionnement mitochondrial dans des modèles neuronaux de la maladie de Parkinson." Electronic Thesis or Diss., Sorbonne université, 2023. https://accesdistant.sorbonne-universite.fr/login?url=https://theses-intra.sorbonne-universite.fr/2023SORUS732.pdf.
Анотація:
La maladie de Parkinson (MP) est une maladie neurodégénérative fréquente, caractérisée par la perte progressive des neurones dopaminergiques de la substance noire pars compacta (SNpc) et la présence d’inclusions nommées Corps de Lewy (CLs), contenant la protéine présynaptique alpha-synucléine (αSyn) comme composant majeur. Un certain nombre d’arguments, soutenus par les avancées dans le domaine de la génétique, plaident en faveur d’un rôle de l’altération de l’homéostasie de l’αSyn et du dysfonctionnement mitochondrial dans la MP. Des espèces d’αSyn qui se forment au cours de son accumulation pathologique pourraient en effet impacter la fonction mitochondriale. Cependant, nous manquons d’une vision consensuelle et intégrée des conséquences de ces formes d’αSyn sur la physiologie mitochondriale au cours du temps, ainsi que des mécanismes mis en jeu. Ce projet de thèse s’est inscrit dans le contexte de l’étude détaillée de la dysfonction mitochondriale engendrée par l’αSyn dans des modèles neuronaux et in vivo, dans le cadre du projet européen IMI2/PD-MitoQUANT. La thèse a porté sur la mise en jeu de modèles neuronaux d’agrégation pathologique de l’αSyn, induite par l’apport de fibrilles d’αSyn produites in vitro (PFFs), pour étudier l’impact de ce processus sur des aspects relatifs au contrôle de la qualité mitochondriale. Dans un premier temps, nous avons reproduit et validé au laboratoire un modèle de synucléinopathie basé sur l’exposition aux PFFs, dans des neurones primaires corticaux de souris. Après deux semaines d’exposition, nous avons observé la présence de dépôts riches en αSyn phopshorylée (pS129) dans ces neurones, ainsi qu’une forte colocalisation de cette protéine avec la mitochondrie. Ensuite, nous avons évalué l’impact des PFFs et de la synucléinopathie sur la mitophagie, à l’aide du rapporteur fluorescent MitoRosella. Nous avons démontré une hausse de ce processus suite à l’exposition aiguë des neurones aux PFFs, qui n’était pas retrouvée dans les neurones déficients en Parkine (PRKN(-/-)). Cela suggère que les PFFs endommagent les mitochondries, activant un programme de clairance mitochondriale régulé par la Parkine. Une hausse similaire de la mitophagie était retrouvée dans les neurones exposés chroniquement aux PFFs, cette fois-ci également dans un contexte PRKN(-/-), et indépendamment de la présence de dépôts de pS129 dans les cellules. En parallèle, nous avons suivi l’impact des PFFs sur la biogénèse mitochondriale, en étudiant la synthèse de novo de l’ADNmt par une approche basée sur l’incorporation de l’analogue de nucléoside EdU et sa visualisation par imagerie. Nous avons observé une hausse de la synthèse de l’ADNmt suite à une exposition courte aux PFFs, qui était absente dans les neurones PRKN(-/-). Dans un contexte d’exposition chronique, au contraire, nous avons observé une diminution progressive de la synthèse de novo de l’ADNmt qui était similaire en présence et absence de Parkine. Au cours de la dernière partie de ma thèse, j’ai cherché à confirmer une partie de ces résultats dans un modèle neuronal humain, et j’ai débuté l’exploration des mécanismes responsables de la hausse de mitophagie engendrée par la progression de la synucléinopathie. L’ensemble de ces résultats démontre une perte de l’homéostasie mitochondriale dans le contexte de synucléinopathie, avec d’une part une augmentation de la dégradation des mitochondries par la voie de mitophagie et, d’autre part, une absence de compensation par la biogénèse mitochondriale. A terme, ces altérations pourraient conduire à une dysfonction mitochondriale, comme le montrent des résultats complémentaires obtenus in vitro et in vivo dans le contexte plus global du projet PD-MitoQUANT. Des études complémentaires seront nécessaires pour identifier les mécanismes responsables des altérations observées et déterminer dans quelle mesure ils prennent part à la vulnérabilité neuronale qui conduira à leur dégénérescence dans la MPParkinson's disease (PD) is a common neurodegenerative disorder characterized by the progressive loss of dopaminergic neurons in the substantia nigra pars compacta (SNpc) and the presence of inclusions called Lewy bodies (LBs), containing the presynaptic protein alpha-synuclein (αSyn) as a major component. A number of arguments, supported by advances in genetics, point to a role for altered αSyn homeostasis and mitochondrial dysfunction in PD. The αSyn species formed during its pathological accumulation are indeed suspected to affect the function of the mitochondria. However, we lack a consensual and integrated view of the consequences of these forms of αSyn on mitochondrial physiology over time, as well as the mechanisms involved. This thesis project was part of a detailed study aimed at exploring the contribution of αSyn-to mitochondrial dysfunction in neuronal and in vivo models, as part of the European IMI2/PD-MitoQUANT project. The thesis focused on the use of neuronal models of pathological αSyn aggregation, induced by exposure to Syn fibrils preformed in vitro (PFFs), to study the impact of this process on various aspects related to mitochondrial quality control. We first reproduced and validated in our laboratory a model of synucleinopathy based on exposure of primary mouse cortical neurons to PFFs. After two weeks of exposure, we observed the presence of deposits rich in phosphorylated αSyn (pS129) in these neurons, as well as a strong colocalization of pS129with mitochondria. We then assessed the impact of PFFs and synucleinopathy on mitophagy, using the fluorescent reporter MitoRosella. We demonstrated an increase in mitophagy following acute exposure of neurons to PFFs, which was not found in Parkin-deficient neurons (PRKN(-/-)). This suggests that PFFs damage mitochondria, activating a Parkin-dependent mitochondrial clearance program. A similar increase in mitophagy was found in neurons chronically exposed to PFFs in both wild type and PRKN(-/-) context, irrespective of the presence of pS129 deposits in the cells. In parallel, we monitored the impact of PFFs on mitochondrial biogenesis, studying de novo mitochondrial DNA (mtDNA) synthesis using an approach based on incorporation of the nucleoside analogue EdU and its visualization by imaging. We observed an increase in mtDNA synthesis following acute exposure to PFFs, which again did not occur in PRKN(-/-) neurons. In a context of chronic exposure, on the contrary, we observed a progressive decrease in de novo mtDNA synthesis, which was similar in the presence and absence of Parkin. In the last part of my thesis, I sought to confirm some of these key observations in a human neuronal model, and began exploring the mechanisms responsible for mitophagy activation in the synucleinopathy model. Taken together, these results demonstrate that progression of PFFs-induced Syn pathology is associated with imbalanced mitochondrial turnover, with on one hand enhanced mitochondrial degradation via mitophagy, and on the other hand lack of compensation via mitochondrial biogenesis. Ultimately, these alterations could lead to mitochondrial dysfunction, as shown by complementary results obtained in vitro and in vivo in the broader context of the PD-MitoQUANT project. Further studies are required to identify the mechanisms responsible for the observed alterations and determine to what extent they contribute to the neuronal vulnerability underlying neurodegeneration in PD
39
Zhu, Wenhua. "Modèles statistiques et réseaux de neurones : stratégie et validation dans le cas de la discrimination." Paris 9, 1995. https://portail.bu.dauphine.fr/fileviewer/index.php?doc=1995PA090022.
Анотація:
Cette thèse a abordé deux grands thèmes : analyse des données et réseau de neurones. Elle présente les principales méthodes de l'analyse discriminante et traite des aspects importants de ce domaine : procédure d'apprentissage, construction et validation de règle de décision, sélection du meilleur modèle, liaisons avec des réseaux de neurones multicouches. La thèse a développé certaines techniques pour améliorer la qualité de l'apprentissage et pour réduire la complexité du réseau de neuronesThis thesis has accost two domains : data analysis and neural networks. It present the mains methods of discriminant analysis and treats the importants points in this field : learning procedures, construction and validation of decision rule, model selection, the relation with neural networks. This thesis propose some strategy of improving their generalization abilities and for reduce their complexity so that the neural networks can be applied to large more and realistic tasks
40
Bastien-Dionne, Pierre-Olivier. "Rôle de l'activité sensorielle dans la spécification du type cellulaire des neurones nouvellement générées dans le bulbe olfactif chez l'adulte." Master's thesis, Université Laval, 2008. http://hdl.handle.net/20.500.11794/20589.
Анотація:
Le système olfactif conserve une remarquable capacité à renouveler certaines de ses populations cellulaires tout au long de la vie animale. Les progeniteurs des neurones sensoriels de l'épithélium olfactif sont produits localement, tandis que les précurseurs neuronaux qui donnent naissance aux intemeurones du bulbe olfactif (BO) sont générés dans la zone sous-ventriculaire et doivent migrer une longue distance avant d'atteindre le BO. Dans le BO adulte, ces précurseurs neuronaux se différencient en types neuronaux distincts, incluant les cellules GABAergiques situées dans la couche granulaire et divers groupes de neurones dans la couche glomérulaire, incluant des intemeurones GABAergiques et dopaminergiques, en plus d'autres sous types neuronaux exprimant la calrétinine et la calbindine. Bien que le rôle de l'activité sensorielle dans l'intégration et/ou la survie des cellules nouvellement générées dans le système olfactif soit bien établi, très peu est connu à propos de comment l'activité induite par des odeurs affecte la spécification du phénotype des cellules nouvellement générées, ou le maintient de celui-ci dans les populations neuronales générées chez l'adulte déjà existantes. Pour investiguer la possibilité que l'activité sensorielle puisse jouer un rôle dans ces processus, nous avons effectué une occlusion nasale unilatérale sur des souris adultes avant et après l'intégration de cellules nouvellement générées dans le réseau fonctionnel. Nous démontrons que la privation sensorielle diminue non seulement le nombre de cellules nouvellement générées dans le BO, mais réduit aussi la densité des cellules granulaires et périglomérulaires générées avant l'occlusion nasale. Nous montrons aussi que l'activité sensorielle joue un rôle important dans l' acquisition et le maintient du phénotype dopaminergique, mais pas pour les phénotypes GABAergique, calrétinine+ ou calbindine+. Nos données révèlent que l'activité induite par les odeurs est importante pour la survie des intemeurones bulbaires nouveau-nés ou déjà existants générés à l'âge adulte et suggèrent que ces populations chémospécifiques sont différemment affectées par la privation sensorielle.
41
Jeanblanc, Jérôme. "Etude des modalités d'implication des neurones dopaminergiques mésencéphaliques dans le phénomène d'inhibition latente." Université Louis Pasteur (Strasbourg) (1971-2008), 2003. http://www.theses.fr/2003STR13113.
Анотація:
Le travail de cette thèse avait pour but d'étudier les modalités d'implication des neurones dopaminergiques (DA) mésencéphaliques dans le phénomène d'inhibition latente (IL). L'intérêt de ce travail est mis en évidence d'une part par les données montrant l'existence d'une perturbation de l'IL chez les schizophrènes non-traités et d'autre part par les données neuropsychopharmacologiques suggèrant l'existence d'un dysfonctionnement des neurones DA mésencéphaliques dans la schizophrénie. Pour étudier l'implication des neurones DA mésencéphaliques dans l'IL, nous avons développé un paradigme d'IL original dans un contexte d'aversion olfactive conditionnée. La libération de DA était mesurée par voltamétrie in vivo chez des rats en préparation chronique, libres de leurs mouvements. Dans un premier temps, les variations de la libération de DA au cours de l'IL ont été étudiées au niveau des sous-parties core, shell dorsal et shell ventral du noyau accumbens (Acc) et dans les parties antérieure et postérieure du striatum dorsal. Dans un second temps, nous avons cherché à obtenir une perturbation de l'IL. Pour ce faire nous avons étudié dans quelle mesure le blocage fonctionnel par la tétrodotoxine au niveau du cortex entorhinal (Ent) entraîne une perturbation de l'IL au niveau des réponses comportementales et des réponses DA obtenues au niveau des parties core et shell dorsal du noyau accumbens. Nous avons pu établir que les neurones DA innervant le core, le shell dorsal du Acc et la partie antérieure du striatum dorsal sont impliqués dans le phénomène d'IL. Les données obtenues ont aussi permis de montrer que l'Ent exerce une action régulatrice différentielle au niveau des parties shell dorsal et core du Acc. En conclusion, les travaux réalisés au cours de cette thèse vont grandement contribuer à la modélisation animale de la perturbation de l'IL observée chez les schizophrènes, et donc d'approcher au plus près une modélisation de la physiopathologie de la schizophrénieThe aim of this thesis was to study the ways in which mesencephalic dopaminergic (DA) neurons are involved in the latent inhibition (LI) phenomenon. This work formed part of a process of animal modelling of the physiopathology of schizophrenia. The importance of the work is demonstrated by the clinical data showing the existence of a disturbance of LI in non-treated schizophrenics. Neuropsychopharmacological data obtained over the last twenty years suggest that there is a dysfunction of the mesencephalic DA neurons in schizophrenia. To study the involvement of DA neurons in LI, we developed an original paradigm in a context of conditioned olfactory aversion. The release of DA was measured using in vivo voltammetry on freely moving rats. At first, the variations of the release of DA during the LI phenomenon were studied at the level of core, dorsal shell and ventral shell parts of the nucleus accumbens (Acc) and in the anterior and posterior subdivisions of the dorsal striatum. During the second part of the thesis, taking a physiopathological view, we tried to obtain a disturbance of LI. To this end, we studied to what extent functional blocking by tetrodotoxin of the entorhinal cortex (Ent) led to a disturbance of LI at the level of the behavioral answers and the DA answers obtained at the level of the core and dorsal shell parts of the Acc. We were able to establish that mesencephalic DA neurons innervating the core part and the dorsal shell part of the Acc and those innervating the anterior part of the dorsal striatum are involved in the LI phenomenon. The data obtained also made it possible to show that the Ent has a differential regulating effect at the level of the dorsal shell and core parts of the Acc. In conclusion, the work carried out during this thesis will contribute largely to the animal modelling of the disturbance of LI phenomenon observed in schizophrenics, and thus, ultimately, bring us closer to a model of the physiopathology of schizophrenia
42
Crépin, Sophie. "Comparaison de modèles murins de la maladie herpétique selon la souche virale et le site d'inoculation." Paris 11, 2009. http://www.theses.fr/2009PA114805.
Анотація:
Le virus herpès simplex de type 1 a la capacité d'entrer en latence dans le système nerveux après une primo-infection orale. Dans certaines conditions, le virus peut se réactiver depuis son site de latence et reprendre un cycle viral. Les mécanismes responsables de la balance entre latence et réactivation ne sont pas encore complètement compris. Au sein du laboratoire, l'utilisation d'un modèle murin oro-oculaire de l'infection herpétique avec la souche virale SC16 a permis d'observer que la quantité des LAT (Latency-Associated transcripts) et des transcrits ICPO non épissés, codant la protéine impliquée dans l'initiation de la réactivation, s'accumulaient dans le ganglion trigéminé lors de la latence, alors que leur quantité diminuait dans les autres tissus. Cette différence entre les types de neurones est partiellement retrouvée dans le modèle de scarification cornéenne de l'infection herpétique. Mais, les caractéristiques classiques de la latence, à savoir l'extinction complète de l'expression des gènes viraux précoces et tardifs ne sont pas retrouvés dans ce modèle, surtout avec la souche virale KOS. Ces résultats suggèrent que la latence dépend du type de neurones, de la souche virale et du modèle animalHerpes simplex virus type 1 (HSV 1) is able to establish latent infection in neuronal tissues after a oral primary infection. Spontaneously or upon stimuli, HSV1 can reactive and induce ocular disease. The mechanisms involved in balance between latent infection and reactivation are not completely understood. In oro-ocular murin model of HSV1 (strain SC16) infection, the amounts of Latent-Associated Transcripts (LATs) and non-sliced ICPO transcripts, which encodes a protein involved in the reactivation process, have a similar pattern of evolution from the acute to the latent stage of infection, with an accumulation in trigeminal ganglia and a decrease in other latency sites. Such striking difference between types of neurones was partially found in the corneal scarification model of HSV1 infection. But, classical patterns of HSV1 latency, i. E. Complete extinction of early and late viral genes expression was not obtained in this model, especially with the KOS strain of HSV1. These results suggest that the biological patterns of HSV1 latency depend on the type of neurons, the viral strain and the murin model
43
Haddadi, Souad. "Réseaux de neurones, textures et modèles markoviens pour la détection et l'identification d'objets en mouvement." Compiègne, 1997. http://www.theses.fr/1997COMP1081.
Анотація:
Cette thèse, propose le développement d'une méthode d'analyse de séquence d'images pour l'interprétation de scènes dynamiques où évoluent des objets quelconques ou des êtres humains, sur fond non uniforme et sous éclairage peu contrôlé. Deux axes de recherche ont été abordés : l'analyse de mouvement (détection des objets en mouvement) et la reconnaissance des formes (identification des objets). L'approche de détection proposée s'appuie sur une procédure de segmentation statistique fondée sur le principe markovien et sur l'analyse de la texture. En considérant un opérateur fondé sur les différences entre trois images successives prises deux à deux, on met en évidence les objets mobiles ainsi que les régions du fond découvertes ou recouvertes par ces objets pendant leur mouvement. Une segmentation grossière est ensuite appliquée afin de ne traiter que les zones retenues de l'image. On enchaîne par une segmentation plus fine fondée sur le principe markovien et textural en rapprochant ce problème à celui d'une classification de l'image en pixel fixe et pixel mobile. L'approche d'identification de ces objets utilise un modèle statistique par les réseaux de neurones artificiels. Ils permettent ainsi l'apprentissage numérique par l'exemple. Des modèles d'architectures de réseaux de neurones ont été développés et appliqués à l'identification des êtres humains. Les performances de ces réseaux ont été calculées à l'aide de deux bases de données construites à cette occasion. Nous avons montré que l'on pouvait obtenir de bonnes performances à l'aide de réseaux du type MLP pour notre application. Toutefois, les études menées au cours de cette thèse soulèvent un certain nombre de problèmes théoriques difficiles, ainsi par exemple, à plusieurs reprises, nous nous sommes trouvés confrontés aux problèmes de la sélection d'un ensemble d'apprentissage pertinentIn this PhD thesis, we present a method of analysis for image sequences. The method aims at dynamic scene interpretation where arbitrary objects evolve (in particular, human beings) and the scenes present non-uniform backgrounds and non-controlled illumination. Two processing approaches have been aborded : movement analysis (moving object detection) and pattern recognition (object identification). The proposed detection approach relies on a statistical segmentation procedure, which is based on the markovian principle and the analysis of texture. Considering an operator based on the differences between three successive images, taken two at a time, moving objects are detected, as well as the background regions which are discovered or occluded by these objects during their displacement. A coarse segmentation of this image operator is then applied to process the relevant zones of the image. This operation is then linked to a finer segmentation based on the markovian and textural principle. This problem was approached to a classification of the image operator into fixed and moving pixels. The identification approach of these objects uses another type of statistical model : the artificial neural networks, which allow computer training, after examples. Thus, models of neural network architectures were developed and applied to human being identification. The performances of these networks were calculated using two databases built for this project. We have demonstrated that high performances could be attained using MLP-type networks for our application. However, the studies accomplished during this thesis reveal a certain number of difficult problems. For example, in several cases we confronted the problem of selecting a pertinent training set
44
Augustin, Emmanuel. "Reconnaissance de mots manuscrits par systèmes hybrides : Réseaux de neurones et modèles de Markov cachés." Paris 5, 2001. http://www.theses.fr/2001PA05S026.
Анотація:
Ce mémoire présente un système de lecture de mots manuscrits isolés, appartenant à un lexique, avec des techniques combinées réseaux de neurones (RN) et modèles de Markov cachés (MMC). Les RN et les MMC ont été abondamment étudiés pour la reconnaissance de la parole entre autre. Leur maitrise a motivé depuis 10 ans de nombreux travaux pour combiner les atouts des deux outils, en discrimination et en modélisation des séquences. Quelques systèmes sont présentés pour la parole ou l'écrit. Le principe des systèmes hybrides RN et MMC est présenté avec son apprentissage itératif selon l'algorithme expectation maximisation (EM). Ce système pemet de remplacer la qualification vectorielle des MMC discrets, classification non supervisée qui perd beaucoup d'information, par un RN. . .This thesis presents a recognition system for isolated handwritten words, given a dictionary, using a combination of neural networks (NN) and hidden markov models (HMM). NN and HMM have been extensively studied, the former in the field of isolated character recognition and the later in speech recognition, among other applications. Know-how on NN and HMM has motivated within the last 10 years many researches to combine the advantages of the two tools, that is discrimination power and sequence modelling. Some historical and original systems are recalled from speech and handwriting recognition. .
45
Chararas, Olivier. "Modèles connexionistes et application biomédicales : identification de souches bactériennes." Paris 5, 1993. http://www.theses.fr/1993PA05P026.
46
Mesci, Pinar. "L’implication du système xc- et du glutamate microglial dans les modèles murins de la sclérose latérale amyotrophique (SLA)." Paris 6, 2013. http://www.theses.fr/2013PA066286.
Анотація:
La SLA est la maladie du motoneurone la plus fréquente chez l’adulte conduisant à une paralysie progressive et la mort des patients. Les cellules microgliales, macrophage du SNC, sont impliquées dans la progression de la maladie. Sachant que la SLA est à caractère majoritairement sporadique, cibler la phase symptomatique et donc la microglie, semble pertinent pour la SLA. Les voies spécifiques impliquant la microglie et entraînant la dégénérescence des motoneurones sont encore largement inconnues. Nous avions donc pour objectif d'identifier les facteurs microgliaux agissant au cours de la dégénérescence des motoneurones. Etant donnée l'importance de l'excitotoxicité comme mécanisme potentiellement impliqué dans la neurodégénérescence de la SLA, ce projet a mis l'accent sur le glutamate libéré par les cellules microgliales par le biais du système xc- (sous-unité spécifique: xCT), un antiport cystine / glutamate, exprimé par la microglie. Nos résultats ont montré que les cellules microgliales exprimaient xCT et à un niveau plus élevé lorsqu’elles étaient activées. L'ARNm de xCT était également présent dans la moelle épinière de souris et son expression augmentée au cours de la maladie dans la moelle épinière de souris SLA. La délétion de xCT chez les souris SLA a entrainé une accélération du début de la maladie mais a permis de prolonger la durée de la phase symptomatique. Le système xc- microglial était responsable de la libération de glutamate et éliminer xCT a permis de renforcer le phénotype neurotrophique de la microglie. Ces résultats montrent que le système xc- pourrait être une cible pour ralentir la progression de la SLAAmyotrophic lateral sclerosis (ALS) is the most common adult onset motor neuron disease leading to paralysis and death of patients. Mutations in SOD1 are responsible for motor neuron degeneration through a non-cell autonomous mechanism. Microglial cells, the macrophages of the central nervous system, participate in the progression of the disease. Since ALS is mainly sporadic, targeting the symptomatic phase during which microglial cells are actively involved is relevant to ALS. Since microglial neurotoxic factors are still largely unidentified in ALS and excitotoxicity is one pathway suggested to cause motor neuron death, our hypothesis was to assess if glutamate released by microglia through system xc- (a cystine/glutamate antiporter with the specific subunit xCT) could participate to motor neuron death in ALS. We now show that primary microglial cells expressed xCT and to a higher level upon activation, that xCT transcripts were enriched in microglia compared to the whole spinal cord and absent in motor neurons. In addition, xCT mRNA levels were increased in mutant SOD1 mouse spinal cords during disease progression. Deleting xCT in mutant SOD1 mice accelerated the onset of the disease but increased the duration of the symptomatic phase. Microglial system xc- was responsible for release of glutamate by microglial cells and deleting xCT increased the neurotrophic profile of microglial cells. These results show that system xc- could be a good target to slow ALS disease progression
47
Alexandre, Frédéric. "Une modélisation fonctionnelle du cortex : La colonne corticale : aspects visuels et moteurs." Nancy 1, 1990. http://docnum.univ-lorraine.fr/public/SCD_T_1990_0054_ALEXANDRE.pdf.
Анотація:
Nous proposons une nouvelle approche connexionniste, fondée sur la modélisation de la colonne corticale, architecture modulaire du cortex. Ses propriétés sont décrites autour des aspects suivants: description statique (architecture et connectivite) puis dynamique (états d'activation, règles de fonctionnement et de mémorisation). L'étude de ce modèle porte également sur les propriétés émergentes de réseaux composés de tels automates.
48
Meyer, Francisca. "Analyse des effets du blocage fonctionnel néonatal de plusieurs régions intégratives sur l’implication des neurones dopaminergiques striataux dans le phénomène d’inhibition latente." Strasbourg, 2009. http://www.theses.fr/2009STRA6201.
Анотація:
La schizophrénie (SZ) est une pathologie neuropsychiatrique complexe dont la physiopathologie est mal connue. Des données récentes suggèrent que la désintégration psychique caractéristique de cette pathologie résulterait d’un défaut de connectivité d’origine neurodéveloppementale entre différentes régions intégratives. Le cortex entorhinal (ENT), le subiculum ventral de l’hippocampe (SUB) et le cortex préfrontal (CPF) seraient des régions cibles d’altérations neurodéveloppementales dans la SZ. De plus, une disparition de l’inhibition latente (IL) a été observée chez des patients en phase aiguë. Par ailleurs, l’existence dans la SZ d’un dysfonctionnement dopaminergique (DA) est généralement admise. Le but de mon travail de thèse était d’étudier les conséquences d’un blocage fonctionnel transitoire par la tétrodotoxine (TTX), réalisé chez le rat de 8 jours, de l’ENT gauche, du SUB gauche et du CPF gauche sur les réponses comportementales et DA d’IL enregistrées dans le striatum dorsal et le noyau accumbens à l’aide de la voltamétrie in vivo dans un contexte d’aversion olfactive conditionnée chez le rat adulte et libre de ses mouvements. Les données obtenues montrent qu’une dysconnexion fonctionnelle précoce unilatérale de l’ENT, du SUB ou du CPF induit chez l’adulte un renversement, similaire de l’expression comportementale et, différentiel des réponses DA striatales dorsales et ventrales caractéristiques de l’IL. Ces résultats permettent de considérer que notre approche conceptuelle et méthodologique intégrant l’hypothèse de dysconnexions fonctionnelles d’origine neurodéveloppementale est valide dans le cadre de la modélisation chez l’animal de la
49
Rynkiewicz, Joseph. "Modèles hybrides intégrant des réseaux de neurones artificiels à des modèles de chaînes de Markov cachées : application à la prédiction de séries temporelles." Paris 1, 2000. http://www.theses.fr/2000PA010077.
Анотація:
L'objet de cette thèse est la modélisation et la prédiction de séries temporelles par l'utilisation jointe de perceptrons multicouches (MLP) et de chaînes de Markov cachées (HMM). Après un rappel de quelques résultats fondamentaux sur les MLP, nous discutons empiriquement d'une méthode d'estimation et d'initialisation des paramètres (poids) du MLP par recuit simulé. Puis, nous étudions l'estimation des paramètres d'un modèle autorégressif non-linéaire dans le cadre des séries multidimensionnelles. Nous montrons que la fonction de contraste à minimiser dans ce cas est le logarithme du déterminant de la matrice de covariance empirique, puisque cela correspond au maximum de vraisemblance pour un bruit gaussien. On montre que, sous de bonnes conditions de régularité du modèle et sans hypothèse de normalité du bruit, ce contraste a de bonnes propriétés statistiques et nous en déduisons, sous des hypothèses raisonnables, qu'un contraste pénalisé de type BIC est fortement consistant. Nous étudions ensuite les modèles HMM/MLP ou modèles autorégressifs à changements de régime markoviens. Après avoir montré le bon comportement de ce modèle sur une série de laboratoire (série laser), nous étudions les différentes façons d'estimer les paramètres de ces modèles à l'aide de l'estimateur du maximum de vraisemblance (EMV). Généralisant la méthode d'Elliott, nous proposons un algorithme E. M. Ne nécessitant qu'une récurrence avant et autorisant alors une implémentation en ligne, de l'algorithme. Puis, nous montrons qu'une approche plus directe, c'est-à-dire un calcul effectif de la dérivée de la log-vraisemblance donne un algorithme plus performant. Nous étudions alors les propriétés statistiques de l'EMY. Après avoir rappelé les conditions d'existence d'une solution stationnaire générée par ce modèle, nous démontrons la consistance, puis la normalité asymptotique de cet estimateur. Finalement nous utilisons ce modèle pour améliorer les prévisions du taux de pollution en niveau d'ozone dans l'air parisien.
50
Tay, Yong Haur. "Reconnaissance de l'écriture manuscrite hors-ligne par réseau de neurones artificiels et modèles de Markov cachés." Nantes, 2002. http://www.theses.fr/2002NANT2106.