Systèmes neuromorphiques : étude et implantation de fonctions d'apprentissage et de plasticité

• Auteur / Autrice : Adel Mohamed Daouzli
• Direction : Sylvie Renaud, Sylvain Saïghi
• Type : Thèse de doctorat
• Discipline(s) : Electronique
• Date : Soutenance le 18/06/2009
• Etablissement(s) : Bordeaux 1
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
• Jury : Président / Présidente : Jacques Henry
• Jury : Examinateurs / Examinatrices : Andrew Davison
• Jury : Rapporteur / Rapporteuse : Stéphane Binczak, Alain Faure

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Plasticité neuronale

Informatique

Neurosciences

Mots clés libres

Systèmes neuromorphiques

Hodgkin et Huxley

Réseaux de neurones

Plasticité

STDP

PyNN

Neurosciences computationnelles

Neuromorphic systems

Hodgkin and Huxley model

Neural networks

Plasticity

STDP

PyNN

Computational neurosciences

Résumé

Dans ces travaux de thèse, nous nous sommes intéressés à l'influence du bruit synaptique sur la plasticité synaptique dans un réseau de neurones biophysiquement réalistes. Le simulateur utilisé est un système électronique neuromorphique. Nous avons implanté un modèle de neurones à conductances basé sur le formalisme de Hodgkin et Huxley, et un modèle biophysique de plasticité. Ces travaux ont inclus la configuration du système, le développement d'outils pour l'exploiter, son utilisation ainsi que la mise en place d'une plateforme le rendant accessible à la communauté scientifique via Internet et l'utilisation de scripts PyNN (langage de description de simulations en neurosciences computationnelles).

In this work, we have investigated the effect of input noise patterns on synaptic plasticity applied to a neural network. The study was realised using a neuromorphic hardware simulation system. We have implemented a neural conductance model based on Hodgkin and Huxley formalism, and a biophysical model for plasticity. The tasks performed during this thesis project included the configuration of the system, the development of software tools, the analysis tools to explore experimental results, and the development of the software modules for the remote access to the system via Internet using PyNN scripts (PyNN is a neural network description language commonly used in computational neurosciences).