Méthodes d'analyse non linéaires appliquées aux modèles des champs neuronaux

Nonlinear analysis methods in neural field models

• Auteur / Autrice : Romain Veltz
• Direction : Renaud Keriven
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 16/12/2011
• Etablissement(s) : Paris Est
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-2015)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009) - LIGM
• Jury : Président / Présidente : Pascal Chossat
• Jury : Examinateurs / Examinatrices : Renaud Keriven, Olivier Faugeras, Nicolas Brunel, Yves Frégnac, Frédéric Chavane
• Jury : Rapporteurs / Rapporteuses : Gérard Iooss, Paul Bressloff C.

Mots clés

Mots clés contrôlés

Bifurcation, Théorie de la

Systèmes à retard

Équations intégrodifférentielles

Systèmes mésoscopiques

Analyse fonctionnelle non linéaire

Mots clés libres

Champs neuronaux

Retard de propagation

Variete centrale

Bifurcation

Hypercolonne

Illusion neuronale

Neural fields

Propagation delays

Center manifold

Bifurcation

Hypercolumn

Neuronal illusion

Résumé

Cette thèse traite de modèles mésoscopiques de cortex appelés champs neuronaux. Les équations des champs neuronaux décrivent l'activité corticale de populations de neurones, ayant des propriétés anatomiques/fonctionnelles communes. Elles ont été introduites dans les années 1950 et portent le nom d'équations de Wilson et Cowan. Mathématiquement, elles consistent en des équations intégro-différentielles avec retards, les retards modélisant les délais de propagation des signaux ainsi que le passage des signaux à travers les synapses et l'arbre dendritique. Dans la première partie, nous rappelons la biologie nécessaire à la compréhension de cette thèse et dérivons les équations principales. Puis, nous étudions ces équations du point de vue des systèmes dynamiques en caractérisant leurs points d'équilibres et la dynamique dans la seconde partie. Dans la troisième partie, nous étudions de façon générale ces équations à retards en donnant des formules pour les diagrammes de bifurcation, en prouvant un théorème de la variété centrale et en calculant les principales formes normales. Nous appliquons tout d'abord ces résultats à des champs neuronaux simples mono-dimensionnels qui permettent une étude détaillée de la dynamique. Enfin, dans la dernière partie, nous appliquons ces différents résultats à trois modèles de cortex visuel. Les deux premiers modèles sont issus de la littérature et décrivent respectivement une hypercolonne, /i.e./ l'élément de base de la première aire visuelle (V1) et un réseau de telles hypercolonnes. Le dernier modèle est un nouveau modèle de V1 qui généralise les deux modèles précédents tout en permettant une étude poussée des effets spécifiques des retards

This thesis deals with mesoscopic models of cortex called neural fields. The neural field equations describe the activity of neuronal populations, with common anatomical / functional properties. They were introduced in the 1950s and are called the equations of Wilson and Cowan. Mathematically, they consist of integro-differential equations with delays, the delays modeling the signal propagation and the passage of signals across synapses and the dendritic tree. In the first part, we recall the biology necessary to understand this thesis and derive the main equations. Then, we study these equations with the theory of dynamical systems by characterizing their equilibrium points and dynamics in the second part. In the third part, we study these delayed equations in general by giving formulas for the bifurcation diagrams, by proving a center manifold theorem, and by calculating the principal normal forms. We apply these results to one-dimensional neural fields which allows a detailed study of the dynamics. Finally, in the last part, we study three models of visual cortex. The first two models are from the literature and describe respectively a hypercolumn, i.e. the basic element of the first visual area (V1) and a network of such hypercolumns. The latest model is a new model of V1 which generalizes the two previous models while allowing a detailed study of specific effects of delays