Voie méso-limbiqueLe circuit mésolimbique relie l'aire tegmentaire ventrale (ATV) dans le mésencéphale à des régions du système limbique comme le noyau accumbens (noyau gris) et le cortex orbitofrontal. La stimulation des différentes portions du circuit mésolimbique a un effet renforçateur. Le circuit mésolimbique utilise la dopamine comme neurotransmetteur. La stimulation de l'aire tegmentaire ventrale produit une libération de dopamine dans le noyau accumbens.
Noyau accumbensLes noyaux accumbens, aussi connus sous le terme latin nucleus accumbens septi (qui signifie noyau appuyé contre le septum), sont un ensemble de neurones situés à l'intérieur de la zone corticale prosencéphalique. Il semble qu'ils jouent un rôle important dans le système de récompense et l'assuétude (accoutumance, dépendance), le rire, le plaisir, la peur et l'effet placebo. C'est une structure symétrique c'est-à-dire que chaque hémisphère cérébral a un noyau accumbens.
Rythme cérébralUn rythme cérébral (appelé aussi activité neuro-électrique) désigne l'oscillation électromagnétique émise par le cerveau des êtres humains, mais également de tout être vivant. Le cortex frontal qui permet la cognition, la logique et le raisonnement est composé de neurones qui sont reliés entre eux par des synapses permettant la neurotransmission. Mesurables en volt et en hertz, ces ondes sont de très faible amplitude : de l'ordre du microvolt (chez l'être humain), elles ne suivent pas toujours une sinusoïde régulière.
Réseau de neurones (biologie)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.
Brain stimulation rewardBrain stimulation reward (BSR) is a pleasurable phenomenon elicited via direct stimulation of specific brain regions, originally discovered by James Olds and Peter Milner. BSR can serve as a robust operant reinforcer. Targeted stimulation activates the reward system circuitry and establishes response habits similar to those established by natural rewards, such as food and sex. Experiments on BSR soon demonstrated that stimulation of the lateral hypothalamus, along with other regions of the brain associated with natural reward, was both rewarding as well as motivation-inducing.
Erreur quadratique moyenneEn statistiques, l’erreur quadratique moyenne d’un estimateur d’un paramètre de dimension 1 (mean squared error (), en anglais) est une mesure caractérisant la « précision » de cet estimateur. Elle est plus souvent appelée « erreur quadratique » (« moyenne » étant sous-entendu) ; elle est parfois appelée aussi « risque quadratique ».
Analyse en composantes principalesL'analyse en composantes principales (ACP ou PCA en anglais pour principal component analysis), ou, selon le domaine d'application, transformation de Karhunen–Loève (KLT) ou transformation de Hotelling, est une méthode de la famille de l'analyse des données et plus généralement de la statistique multivariée, qui consiste à transformer des variables liées entre elles (dites « corrélées » en statistique) en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées « composantes principales » ou axes principaux.
Substantia nigraLa substantia nigra (substance noire, dite aussi locus niger) est un noyau du système nerveux situé au niveau du mésencéphale et du diencéphale sus-jacent, à la base des crus cerebri et ventralement par rapport au tegmentum. Son nom provient de la couleur des cellules qui composent ce noyau en raison de la présence de neuromélanine. La substantia nigra se subdivise en deux parties principales, la pars compacta d'une part et la pars reticulata d'autre part. La substantia nigra pars compacta est composée de neurones dopaminergiques.
Generalization errorFor supervised learning applications in machine learning and statistical learning theory, generalization error (also known as the out-of-sample error or the risk) is a measure of how accurately an algorithm is able to predict outcome values for previously unseen data. Because learning algorithms are evaluated on finite samples, the evaluation of a learning algorithm may be sensitive to sampling error. As a result, measurements of prediction error on the current data may not provide much information about predictive ability on new data.
Empirical risk minimizationEmpirical risk minimization (ERM) is a principle in statistical learning theory which defines a family of learning algorithms and is used to give theoretical bounds on their performance. The core idea is that we cannot know exactly how well an algorithm will work in practice (the true "risk") because we don't know the true distribution of data that the algorithm will work on, but we can instead measure its performance on a known set of training data (the "empirical" risk).
