Résumé
En neurosciences, un réseau de neurones correspond, schématiquement : Soit à un nombre restreint de différents neurones interconnectés, qui ont une fonction précise, comme le ganglion stomatogastrique qui contrôle l'activité des muscles de l'estomac des crustacés. Soit à un grand nombre de neurones similaires interconnectés, qui ont des fonctions plus cognitives, comme les réseaux corticaux qui permettent entre autres la catégorisation. Exemple en image de la constitution d'un réseau neural simple : vignette|droite|(3) Réseau neural simple avec deux neurones et deux cellules gliales – astrocyte et oligodendrocyte. vignette|gauche|(1) Schéma d'un neurone, élément de base d'un réseau. vignette|centré|250px|(2) Connexion synaptique entre deux neurones. Les neurones reconfigurent en permanence une partie du réseau, en temps normal et plus encore lors des processus cicatriciels. C'est ce qui explique la plasticité du cerveau. Les filaments d'actine jouent un rôle important dans le rapprochement des neurones, nécessaire aux interconnexions qui formeront le [réseau] supportant les influx nerveux. La structure des organismes biologiques qui constituent la biosphère peut être décomposée en plusieurs niveaux d'organisation : atomique, moléculaire, cellulaire, tissulaire, organique, des systèmes, et enfin celui de l'organisme dans sa totalité fonctionnelle. L'étude scientifique du vivant se fait par des recherches sur les éléments de chacun de ces niveaux, puis par la compréhension des interactions entre ces différents niveaux (voir l'article « Méthode scientifique »). L'étude du niveau du réseau de neurones permet de comprendre le fonctionnement des associations de neurones. Cette compréhension est une nécessité incontournable car ces processus sont fondamentaux : en effet, le cerveau humain est constitué d'environ 100 milliards de neurones, ou 86 milliards en moyenne selon des recherches plus récentes, organisés en millions de réseaux fonctionnels.
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Cours associés (26)
NX-421: Neural signals and signal processing
Understanding, processing, and analysis of signals and images obtained from the central and peripheral nervous system
NX-414: Brain-like computation and intelligence
Recent advances in machine learning have contributed to the emergence of powerful models for how humans and other animals reason and behave. In this course we will compare and contrast how such brain
NX-465: Computational neurosciences: neuronal dynamics
In this course we study mathematical models of neurons and neuronal networks in the context of biology and establish links to models of cognition. The focus is on brain dynamics approximated by determ
Afficher plus
Concepts associés (35)
Retrograde signaling
Retrograde signaling in biology is the process where a signal travels backwards from a target source to its original source. For example, the nucleus of a cell is the original source for creating signaling proteins. During retrograde signaling, instead of signals leaving the nucleus, they are sent to the nucleus. In cell biology, this type of signaling typically occurs between the mitochondria or chloroplast and the nucleus. Signaling molecules from the mitochondria or chloroplast act on the nucleus to affect nuclear gene expression.
Neural network
A neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.
Plasticité fonction du temps d'occurrence des impulsions
La (en Spike-timing-dependent plasticity, STDP) est un processus de modification du poids des synapses. Cette modification dépend du moment de déclenchement du potentiel d'action dans les neurones pré- et post-synaptique. Ce processus permettrait d'expliquer partiellement le développement cérébral et la mémorisation, en provoquant potentialisation à long terme (en Long-term potentiation, LTP) et dépression à long terme (en Long-term depression, LTD) des synapses.
Afficher plus
MOOCs associés (20)
Neuroscience Reconstructed: Cell Biology
This course will provide the fundamental knowledge in neuroscience required to understand how the brain is organised and how function at multiple scales is integrated to give rise to cognition and beh
Neuroscience Reconstructed: Cell Biology
This course will provide the fundamental knowledge in neuroscience required to understand how the brain is organised and how function at multiple scales is integrated to give rise to cognition and beh
Afficher plus