Avant-projet : CORTEX - cortex

<body bgcolor="#FFFFFF" text="#000000" link="#9944EE" vlink= "#0000FF" alink="#00FF00">  <a name="CHILD_LINKS" id= "CHILD_LINKS"><strong>Sous-sections</strong></a> <ul> <li> <ul> <li><a name="tex2html159" href= "fonde_modelisation-b_mn.html#SECTION00033010000000000000" target="main" id="tex2html159"><small>Modèles neuromimétiques élémentaires</small></a></li> <li><a name="tex2html160" href= "fonde_modelisation-b_mn.html#SECTION00033020000000000000" target="main" id="tex2html160"><small>Modèles neuromimétiques comportementaux</small></a></li> </ul> </li> </ul> <hr /> <h2><a name="SECTION00033000000000000000" id= "SECTION00033000000000000000">La modélisation biologique</a></h2> <a name="CORTEX_fondements_modelisation-biologique" id= "CORTEX_fondements_modelisation-biologique"></a> <p><strong>Mots clés :</strong> <i>neurosciences computationnelles, modèle cortical, assemblée neuronale, colonne corticale, neurones impulsionnels .</i></p> <p>La modélisation biologique consiste pour nous à utiliser des données des neurosciences pour proposer de nouveaux modèles neuronaux pour le traitement automatique de l'information. Ces données peuvent concerner le fonctionnement élémentaire du neurone, aussi bien que l'exploitation des flux d'information engagés dans des tâches cognitives.</p> <h4><a name="SECTION00033010000000000000" id= "SECTION00033010000000000000">Modèles neuromimétiques élémentaires</a></h4>L'inspiration des neurosciences propose une alternative intéressante au codage en champ continu: le codage temporel par impulsion. En effet, les neurones ont une activité à temps continu mais en tout ou rien (envoi de <em>spikes</em> pouvant intervenir à n'importe quel instant) qui est généralement modélisée en continu par une mesure de leur fréquence. Conserver ce codage temporel par impulsion peut apporter une représentation plus riche de l'information (par exemple en exploitant les retards de décharge entre neurones) et plus robuste (plus grande résistance au bruit). De plus, ce fonctionnement se prête bien aux implantations matérielles que nous visons ( <em>cf.</em>  <a href="domai_implantation_Toc.html#CORTEX_domaine_implantation">4.4</a>). <h4><a name="SECTION00033020000000000000" id= "SECTION00033020000000000000">Modèles neuromimétiques comportementaux</a></h4>Notre modèle cortical, dont les principes sont développés depuis plus de dix ans en collaboration avec d'autres chercheurs des neurosciences cognitives, est fondé sur la notion d'assemblées neuronales, les colonnes corticales, assurant des opérations élémentaires d'un niveau plus fonctionnel et plus intégré que le simple neurone formel. Dans nos modèles, ces assemblées, vues comme unités de traitement, sont groupées au sein d'aires, typées par la nature des informations traitées. <p>Cet axe de recherche consiste à définir la logique de fonctionnement et d'apprentissage des unités et à en étudier les conséquences sur les capacités d'apprentissage et de représentation de l'information, dans des réseaux de telles unités.</p> <p>Nous abordons tout d'abord le problème sous l'angle de l'apprentissage afin que notre unité neuronale complexe détecte des événements sensorimoteurs au sein d'aires corticales et que cette information puisse être représentée topologiquement, comme des batteries de filtres. Le second point concerne la logique d'activation des unités, chacune représentant un événement du monde extérieur ou un état interne du système en particulier. Les états d'activation des unités doivent pouvoir représenter des concepts aussi différents que la présence de l'événement, son inhibition, le souhait qu'il se produise ou la recherche des conséquences de son activation éventuelle. De plus, des transitions entre états d'activation doivent être permises par apprentissage, de manière à construire un graphe causal, typé par la sémantique des aires, représentant les inter-relations entre ces unités. Ces inter-relations sont en fait une représentation interne des invariants du monde extérieur ou des conséquences de l'action du système sur ce monde.</p> <p>Réaliser une tâche (de perception, d'analyse de scène, de décision, de navigation) avec ce formalisme consiste à créer le réseau d'unités qui en sera le support. Tout d'abord, nous définissons, du point de vue des neurosciences, les principaux flux d'information impliqués dans cette tâche, en termes de capteurs, d'effecteurs, d'aires corticales et éventuellement de zones extracorticales. Ensuite, nous implantons des modèles de ces différentes structures neuronales et de leurs interconnexions en étudiant plus particulièrement les aspects de synchronisation des flux d'information et d'émergence dans de tels réseaux distribués.</p> <p>Nous avons ainsi exploré divers domaines perceptifs concernant en particulier des tâches de traitement visuel et auditif. Nous avons également étudié des tâches d'intégration multimodale comme la reconnaissance invariante par combinaison de fonctions de localisation et de reconnaissance, ainsi que la coordination sensorimotrice. Nous avons enfin abordé le problème de l'organisation temporelle du comportement incluant des notions de mémoire de travail et de planification.</p> </body>