Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Modèles de Neurones Spiking
Représentations mathématiques des neurones biologiques incluant Leaky Integrate-and-Fire, Hodgkin-Huxley et Izhikevich pour simuler la dynamique temporelle des potentiels d'action.
Codage Temporel et Schémas d'Encodage
Méthodes de conversion de données continues en trains de spikes incluant le codage par taux, par temps, par rang et par latence pour représenter l'information dans les SNN.
Plasticité Synaptique et STDP
Règles d'apprentissage bio-inspirées où la force des connexions synaptiques évolue selon les délais temporels entre les spikes pré- et post-synaptiques.
Algorithmes d'Apprentissage Supervisé
Techniques d'entraînement incluant SpikeProp, backpropagation à travers le temps et méthodes basées sur les gradients adaptées aux réseaux spiking discontinus.
Architectures de SNN Profonds
Structures multicouches de réseaux spiking incluant les SNN convolutifs, récurrents et attentionnels pour des tâches complexes de reconnaissance.
Neuromorphique Hardware et Puces Spiking
Circuits intégrés spécialisés comme Loihi, TrueNorth et SpiNNaker conçus pour exécuter efficacement des calculs spiking avec une faible consommation énergétique.
SNN pour Vision Computationnelle
Application des réseaux spiking au traitement d'images et vidéos avec des capteurs événementiels (DVS) pour une perception en temps réel et éco-énergétique.
SNN pour Traitement du Signal
Utilisation des réseaux spiking pour l'analyse audio, la reconnaissance vocale et le traitement de signaux temporels exploitant leur nature intrinsèquement temporelle.
Simulation et Frameworks SNN
Outils logiciels spécialisés comme Brian2, NEST, BindsNET et SpyTorch pour modéliser, simuler et entraîner des réseaux de neurones spiking.
Théorie de l'Information Spiking
Étude théorique de la capacité de codage, de l'efficacité énergétique et des limites fondamentales des réseaux spiking basée sur la théorie de l'information.
SNN Hybrides et Conversion
Méthodes pour convertir des réseaux neuronaux artificiels traditionnels en SNN et architectures hybrides combinant des neurones spiking et non-spiking.
Réservoirs de Neurones Spiking
Réseaux récurrents aléatoires fixes avec neurones spiking utilisés comme réservoirs de calcul pour le traitement de séries temporelles avec apprentissage simple en sortie.