Réseaux de neuronnes
– Perception
• Ordinateur
– Incapable de traiter l'information – 109 opérations /s – Traitement séquentiel – Mémoire brute – Techniques d’intelligence artificielle
– 10 opérations /s – Traitement parallèle – Mémoire évoluée – Mécanisme de la pensée et de l'intelligence
mémoire humaine 3D – Mécanisme de mémoire sensible & émotionnelle -
Domaine des sciences cognitives
• Acquisition des connaissances • Adaptation à l'environnement Neuromimétique = Réseaux de neurones = Connexionnisme
Pluri-disciplinaires
Cognition = connaissance Connexionnisme : groupe qui rejete l’idée de copier l’humain
Système de transfert d'énergie
Entrées dendrites Somme pondérée poids synaptiques
Seuil d’activité transmission ou non du signal
Sortie axone neurone = canaux d'entrée (dendrites) + canal de sortie (axone) équivalent à une batterie ou une capa : reçoit de l'énergie, quand il est suffisamment chargé (excité) il envoie une impulsion d'énergie et se décharge différence de potentiel entre l'intérieur et l'extérieur de la membrane de l'axone : 40 à 60 mV au repos - 100mV pendant 1ms vitesse de l'impulsion le long de l'axone : qques 10cm à 100m/s des millions de fois moins rapide que les circuits électroniques la décharge d'énergie vers les autres neurones se fait dans les synapses : zones d'influence entre l'axone d'un neurone et la dendrite d'un autre. Pas de contact réel. les synapses servent à limiter + ou - l'amplitude des signaux qui passent d'un neurone vers un autre : excitation = état qui favorise la transmission de l'énergie / inhibition certaines synapses sont prépondérantes dans l'activation des neurones certaines dendrites influencent davantage les neurones à générer une impulsion le neurone est capable de favoriser davantage les synapses qui l'ont stimulé : capable d'apprentissage : il reconnaîtra de + en + vite les signaux d'entrée qui génèrent l'impulsion de sortie
Neurone formel
Modèle de W. Mac Culloch et