এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Intégration et Tir (Integrate-and-Fire)
Modèle de neurone simplifié où la membrane cellulaire intègre les entrées synaptiques jusqu'à atteindre un seuil, déclenchant un potentiel d'action et réinitialisant la tension. Ce modèle capture la dynamique de base du déclenchement neuronal tout en restant calculable pour les simulations à grande échelle.
Plasticité Synaptique (STDP)
Mécanisme d'ajustement de la force des connexions synaptiques basé sur la corrélation temporelle précise entre les potentiels d'action pré- et post-synaptiques. La STDP (Spike-Timing-Dependent Plasticity) est une règle d'apprentissage cruciale pour le développement et la plasticité des circuits neuronaux.
Réseau de Neurones à Échelle de Conductance (CNS)
Modélisation où les synapses sont représentées par des changements de conductance plutôt que par des courants injectés, simulant plus fidèlement l'effet de l'ouverture des canaux ioniques postsynaptiques. Cette approche capture la nature shunting (divisive) de l'intégration synaptique et l'interaction entre excitation et inhibition.
Oscillations Neuronales
Activité électrique rythmique et synchronisée de populations de neurones, observable à différentes fréquences (thêta, alpha, bêta, gamma). Ces oscillations sont impliquées dans des fonctions cognitives comme la liaison d'informations, l'attention et la mémoire, et émergent des propriétés du circuit et des interactions synaptiques.
Dynamique d'État d'Attraction
Concept théorique où les réseaux neuronaux convergent vers des patterns d'activité stables (attracteurs) en réponse à une entrée, représentant des mémoires ou des états computationnels. Ces dynamiques expliquent la persistance de l'activité neuronale et la robustesse du traitement de l'information face au bruit.
Codage Temporel des Spikes
Hypothèse selon laquelle l'information est représentée non seulement par le taux de décharge des neurones, mais aussi par la précision temporelle des potentiels d'action individuels. Ce codage permet une transmission d'information à haute vitesse et est essentiel pour des phénomènes comme la détection de son localisation.
Modèle de Neurone à Fuite (Leaky Integrate-and-Fire)
Extension du modèle Integrate-and-Fire qui inclut une fuite de courant membranaire, modélisant la décharge naturelle du potentiel de membrane vers son potentiel de repos. Ce paramètre de fuite (tau) contrôle l'intégration temporelle du neurone et sa sensibilité aux fréquences d'entrée.
Inhibition Divisive
Forme d'inhibition où l'effet des entrées excitatrices sur la sortie d'un neurone est divisé (ou multiplié par un facteur inférieur à un) par l'activité inhibitrice, plutôt que d'être simplement soustraite. Ce mécanisme, implémenté par les synapses shunting, est crucial pour le contrôle du gain et la normalisation des réponses neuronales.
নিষেধাত্মক ডিসিঙ্ক্রোনাইজেশন
একটি প্রক্রিয়া যার মাধ্যমে নিষেধাত্মক ইন্টারনিউরন, বিশেষ করে দ্রুত স্রাবকারী প্যারাভালবুমিন কোষ, উত্তেজক নিউরনের একটি জনসংখ্যার কার্যকলাপকে ডিসিঙ্ক্রোনাইজ করতে পারে। এই প্রক্রিয়াটি গামা অসিলেশন তৈরি এবং তথ্য প্রক্রিয়াকরণের সময়গত বিভাজনের জন্য মৌলিক।
নিউরন জনসংখ্যা মডেল (এনপিএম)
মডেলের একটি শ্রেণি যা বৃহৎ নিউরন জনসংখ্যার গড় কার্যকলাপের গতিবিদ্যা বর্ণনা করে, পৃথক নিউরনের আচরণকে উপেক্ষা করে। মাইক্রোস্কোপিক (কোষীয়) কার্যকলাপকে ইইজি বা এফএমআরআই-এর মতো ম্যাক্রোস্কোপিক পরিমাপযোগ্য সংকেতের সাথে সংযুক্ত করার জন্য এগুলি অপরিহার্য।
ছোট জগতের নেটওয়ার্ক টপোলজি
নেটওয়ার্কের একটি গঠন যা স্থানীয় ক্লাস্টারিংয়ের উচ্চ মাত্রা এবং নোডগুলির মধ্যে সংক্ষিপ্ত গড় পথ দৈর্ঘ্য দ্বারা চিহ্নিত, প্রকৃত স্নায়বিক নেটওয়ার্কের অনুরূপ। এই টপোলজি তথ্যের বিস্তারের গতি এবং স্থানীয় প্রক্রিয়াকরণকে একই সাথে অপ্টিমাইজ করে।