Modèles de plasticité à long terme: Apprentissage hébbien

Description

Cette séance de cours porte sur la classification de la plasticité dans les règles d'apprentissage à court et à long terme, les règles d'apprentissage hebbiennes, les modèles de plasticité à pic et l'apprentissage en ligne des souvenirs. Il s'inscrit dans l'apprentissage hébbien basé sur les taux, la règle Bienenstock-Cooper-Munro, et les conséquences fonctionnelles de l'apprentissage hébbien pour détecter les corrélations dans les intrants et développer des domaines réceptifs. La séance de cours explore également les changements synaptiques pour le développement du cortex, les modèles pour la plasticité à long terme hebbienne, et les implications de la règle BCM pour éviter les explosions et promouvoir la concurrence.

Connectez-vous pour regarder la vidéo

Dans MOOCs (2)

Enseignant

Source officielle

https://mediaspace.epfl.ch/media/0_26qydqbi

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.

Séances de cours associées (60)

Concepts associés (63)

Homeostatic plasticity

In neuroscience, homeostatic plasticity refers to the capacity of neurons to regulate their own excitability relative to network activity. The term homeostatic plasticity derives from two opposing concepts: 'homeostatic' (a product of the Greek words for 'same' and 'state' or 'condition') and plasticity (or 'change'), thus homeostatic plasticity means "staying the same through change". Homeostatic synaptic plasticity is a means of maintaining the synaptic basis for learning, respiration, and locomotion, in contrast to the Hebbian plasticity associated with learning and memory.

Série de Taylor

thumb|Brook Taylor, dont la série porte le nom. En mathématiques, et plus précisément en analyse, la série de Taylor au point d'une fonction (réelle ou complexe) indéfiniment dérivable en ce point, appelée aussi le développement en série de Taylor de en , est une série entière approchant la fonction autour de , construite à partir de et de ses dérivées successives en . Elles portent le nom de Brook Taylor, qui les a introduites en 1715.

Plasticité neuronale

vignette|Effets schématiques de la neuroplasticité après entraînement Plasticité neuronale, neuroplasticité ou encore plasticité cérébrale sont des termes génériques qui décrivent les mécanismes par lesquels le cerveau est capable de se modifier lors des processus de neurogenèse dès la phase embryonnaire ou lors d'apprentissages. Elle s’exprime par la capacité du cerveau de créer, défaire ou réorganiser les réseaux de neurones et les connexions de ces neurones. Le cerveau est ainsi qualifié de « plastique » ou de « malléable ».

Réseau de neurones de Hopfield

Le réseau de neurones d'Hopfield est un modèle de réseau de neurones récurrents à temps discret dont la matrice des connexions est symétrique et nulle sur la diagonale et où la dynamique est asynchrone (un seul neurone est mis à jour à chaque unité de temps). Il a été popularisé par le physicien John Hopfield en 1982. Sa découverte a permis de relancer l'intérêt dans les réseaux de neurones qui s'était essoufflé durant les années 1970 à la suite d'un article de Marvin Minsky et Seymour Papert.

Développement limité

En physique et en mathématiques, un développement limité (noté DL) d'une fonction en un point est une approximation polynomiale de cette fonction au voisinage de ce point, c'est-à-dire l'écriture de cette fonction sous la forme de la somme : d'une fonction polynomiale ; d'un reste négligeable au voisinage du point considéré. En physique, il est fréquent de confondre la fonction avec son développement limité, à condition que l'erreur (c’est-à-dire le reste) ainsi faite soit inférieure à l'erreur autorisée.