Dynamique des réseaux neuronaux
Auteur / Autrice : | Anirudh Kulkarni |
Direction : | Vincent Hakim |
Type : | Thèse de doctorat |
Discipline(s) : | Physique |
Date : | Soutenance le 28/09/2017 |
Etablissement(s) : | Paris 6 |
Ecole(s) doctorale(s) : | École doctorale Physique en Île-de-France (Paris ; 2014-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire de physique statistique de l'École normale supérieure (Paris) |
Jury : | Président / Présidente : Alain Destexhe |
Examinateurs / Examinatrices : Georges Debrégeas, Delphine Salort | |
Rapporteurs / Rapporteuses : Aristides Arrenberg, Alessandro Torcini |
Mots clés
Résumé
Dans cette thèse, nous étudions le vaste domaine des neurosciences à travers des outils théoriques, numériques et expérimentaux. Nous étudions comment les modèles à taux de décharge peuvent être utilisés pour capturer différents phénomènes observés dans le cerveau. Nous étudions les régimes dynamiques des réseaux couplés de neurones excitateurs (E) et inhibiteurs (I): Nous utilisons une description fournie par un modèle à taux de décharge et la comparons avec les simulations numériques des réseaux de neurones à potentiel d'action décrits par le modèle EIF. Nous nous concentrons sur le régime où le réseau EI présente des oscillations, puis nous couplons deux de ces réseaux oscillants pour étudier la dynamique résultante. La description des différents régimes pour le cas de deux populations est utile pour comprendre la synchronisation d'une chaine de modules E-I et la propagation d'ondes observées dans le cerveau. Nous examinons également les modèles à taux de décharge pour décrire l'adaptation sensorielle: Nous proposons un modèle de ce type pour décrire l'illusion du mouvement consécutif («motion after effect», (MAE)) dans la larve du poisson zèbre. Nous comparons le modèle à taux de décharge avec des données neuronales et comportementales nouvelles.