Les aires fonctionnelles du Cortex Cérébral: quelle spécialisation ?
Les aires fonctionnelles du Cortex Cérébral: quelle spécialisation ?
Les aires fonctionnelles du Cortex Cérébral: quelle spécialisation ?
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Les</strong> <strong>aires</strong> <strong>fonctionnelles</strong> <strong>du</strong> <strong>Cortex</strong> <strong>Cérébral</strong>: <strong>quelle</strong> <strong>spécialisation</strong> ?
Réseau spécialisé avec les organes sensoriels et moteurs
<strong>Les</strong> <strong>aires</strong> corticales: un réseau cérébral de réseaux neuronaux
Dynamique <strong>du</strong> réseau neuronal dans l’aire motrice primaire<br />
Courbes d’accord et vecteur de population
Modélisation de la Dynamique <strong>du</strong> réseau neuronal:<br />
Rotation <strong>du</strong> vecteur de population
Le réseau cérébral: les connections entre les <strong>aires</strong> corticales
Visuel<br />
Moteur Langage<br />
Le réseau cérébral: les flux de traitements
Le réseau cérébral parieto-frontal pour les relations perception-action<br />
les symmétries
1.Face Invariant<br />
2.Object Invariant<br />
3. Object New<br />
4. Motion<br />
5. BioMotion<br />
6. Imitation<br />
6. Use Object<br />
7. Watch Gesture<br />
8. See Intention<br />
9. Touch Hand<br />
10. Grasp/ Load<br />
11. Gaze Attention<br />
12. Mental Rotatio<br />
13.SMCoordinatio<br />
14 Touchsequenc<br />
16 Spatial<br />
17 Social Interact<br />
18 Coop Compet<br />
19 False Belief<br />
20 Error<br />
FUS LOC TM MT STS IPL PMv vlPF PO SPL Pmd dlPF aCin pCIN orbF<br />
Le réseau cérébral : les flux perception-action
Modélisation <strong>du</strong> réseau cérébral parieto-frontal<br />
pour les relations perception-action : propriétés combinatoires
Modélisation <strong>du</strong> réseau de réseaux parieto-frontal: relations perception-action
Modélisation <strong>du</strong> réseau de réseaux parieto-frontal: relations perception-action<br />
Implémentation sur un robot anthropomorphe
<strong>Les</strong> propriétés <strong>du</strong> réseau de réseaux parieto-frontal: les neurones mirroir
Le réseau de réseaus parieto-frontal: les neurones mirroir
<strong>Les</strong> propriétés <strong>du</strong> réseau de réseau parieto-frontal:<br />
les neurones à activité soutenue : séquences et planification
<strong>Les</strong> propriétés <strong>du</strong> réseau de réseau parieto-frontal:<br />
les neurones à activité soutenue : séquences et planification
Le réseu entre le cortex cérébral et les autres structures de contrôle moteur:<br />
Le cervelet et les ganglions de la base
Dynamique <strong>du</strong> réseau entre le cortex cérébral , le cervelet<br />
et les ganglions de la base pour un nouvel apprentissage sensorimoteur<br />
CB<br />
V<br />
V<br />
IO<br />
PC<br />
PC<br />
PA<br />
PA<br />
NC<br />
SN<br />
NC<br />
PM<br />
PM<br />
ACC<br />
ACC<br />
PF<br />
PF
Performance<br />
temps<br />
Dynamique <strong>du</strong> réseau entre le cortex cérébral , le cervelet<br />
et les ganglions de la base pour un nouvel apprentissage sensorimoteur
CB<br />
R-M1<br />
R-Par Cx<br />
SMA<br />
R-PM L-M1<br />
R-Pre-Cu<br />
L-Pre-Cu<br />
R-DLPFC<br />
L-PM L-Par Cx<br />
Cing<br />
R-Visual A.<br />
L-DLPFC<br />
R-<br />
L-Visual A.<br />
R-Put L-<br />
R-CaudN Th<br />
al Th Ant-Cereb<br />
L-C audN L-Put al<br />
R-Cereb Cx<br />
L-Cereb Cx<br />
V<br />
V<br />
IO<br />
PC<br />
PC<br />
PA<br />
PA<br />
NC<br />
SN<br />
NC<br />
PM<br />
PM<br />
ACC<br />
ACC<br />
PF<br />
PF<br />
R-PM<br />
R-M1<br />
R-Par Cx<br />
SMA<br />
L-M1<br />
R-Pre-Cu<br />
L-Pre-Cu<br />
R-DLPFC<br />
L-PM L-Par Cx<br />
Cing<br />
R-Visual A.<br />
L-DLPFC<br />
R-<br />
L-Visual A.<br />
R-Put L-<br />
R-CaudN Th<br />
Ant-Cereb<br />
al Th<br />
L-C audNL-Put<br />
al<br />
R-Cereb Cx<br />
L-Cereb Cx<br />
Dynamique <strong>du</strong> réseau entre le cortex cérébral le cervelet<br />
et les ganglions de la base pour un nouvel apprentissage sensorimoteur
Dynamique <strong>du</strong> réseau entre le cortex cérébral , le cervelet<br />
et les ganglions de la base pour un nouvel apprentissage sensorimoteur
Modélisation de l’ensemble <strong>du</strong> <strong>Cortex</strong> <strong>Cérébral</strong>
Modélisation de l’ensemble <strong>du</strong> <strong>Cortex</strong> <strong>Cérébral</strong>
Phonation<br />
Syntax<br />
Semantic<br />
Tones<br />
Words
COLOR MOTION
Le modèle de réseau cérébral décrit<br />
la cascade de traitements.
On imite les traitements génériques des réseaux neuronaux et la<br />
cascade de traitements <strong>du</strong> réseau cérébral pour mieux comprendre<br />
le traitement des flux video-audio importants pour l’homme.
Modèle <strong>du</strong><br />
Réseau Neural<br />
Implementation<br />
électronique<br />
Le modèle de réseau neural effectue des opérations génériques de<br />
traitement adaptatif et d’apprentissage qui peuvent êre simulés par des<br />
circuits électroniques
SYNAPSES<br />
CANAUX<br />
FILTRE<br />
Mémorise les<br />
caractéristiques<br />
d’un stimulus<br />
ADAPT<br />
S’adapte à la<br />
vitesse de variation<br />
<strong>du</strong> flux
FILTRE<br />
Le traitement de type « FILTRE » extraie les caractéristiques :<br />
- il donne une description de la scène,<br />
- mais il n’est pas très efficace pour extraire les mouvements fins <strong>du</strong> visage<br />
qui sont importants pour les interactions sociales .
FILTRE<br />
ADAPT<br />
Le traitement « ADAPT » qui règle à chaque instant les temps<br />
d’intégration, est très efficace pour extraire les variations fines<br />
importantes pour les interactions sociales
Le traitement « ADAPT » fournit en temps réél<br />
une description fine des expressions faciales et corporelles<br />
avec leurs composantes émotionnelles
Lorsque le traitement « ADAPT » ne fonctionne pas,<br />
l’information est trop faible ou trop forte,<br />
comme pour un appareil photo sans mécanisme de réglage d’ouverture
Réseau Synaptique<br />
Recpteur Glutamate<br />
Adaptation Canaux K+<br />
Réseau Neural Réseau <strong>Cérébral</strong> Réseau Social<br />
FILTRE spécialisé<br />
Forte prediction<br />
FILTRE avec ADAPT<br />
Bonne prediction<br />
Visuelle Flux<br />
Pariétal: Manipule<br />
Limbique: Attraction<br />
Visuelle: Flux<br />
Temporal : Reconnait<br />
Limbique: Attraction<br />
Objets<br />
Faible changement<br />
Personnes<br />
Fort Changement
Réseau Synaptique<br />
Recpteur Glutamate<br />
Adaptation Canaux K+<br />
Faible adaptation<br />
Réseau Neural Réseau <strong>Cérébral</strong> Réseau Social<br />
FILTRE spécialisé<br />
Forte prediction<br />
FILTRE avec ADAPT<br />
FILTRE sans ADAPT<br />
Bonne Prediction<br />
Faible prediction<br />
Visuelle Flux<br />
Pariétal: Manipule<br />
Limbique: Attraction<br />
Visuelle: Flux<br />
Bruité,brouillé<br />
Temporal : Reconnait<br />
Douloureux<br />
Limbique: Attraction<br />
« Evitement »<br />
Objets<br />
Faible changement<br />
Personnes<br />
Fort Changement
Réseau<br />
Moléculaire<br />
Dynamique multi-échelle <strong>du</strong> cerveau qui s’adapte et apprend<br />
Réseau<br />
Neuronal<br />
Réseau<br />
<strong>Cérébral</strong><br />
Le cerveau: un réseau de réseau<br />
Réseau<br />
Social<br />
Réseau<br />
WWW
Maths<br />
Statistics<br />
Control<br />
Dynamical<br />
systems<br />
Bifurction<br />
Attractors<br />
Hodgkin<br />
Huxley<br />
Helmoltz<br />
Machine<br />
Oscillators<br />
Stochastic<br />
resonance<br />
SOM<br />
Kohonen<br />
Recurent Nets<br />
Hopfield/ Amit<br />
Morphodynmics<br />
RBF Pattern<br />
Recognition<br />
Hebb<br />
Models<br />
BeckProp<br />
Mo<strong>du</strong>lar/<br />
Hierarchical<br />
Q-Learning<br />
Reinforcement<br />
Learning<br />
Adaptive<br />
resonance<br />
Grossberg<br />
Hidden<br />
Markov<br />
Bayesian<br />
netw orks<br />
PCA<br />
Clustering<br />
Molecular Nets Neural Nets Cerebral Nets<br />
Machine<br />
Learning<br />
SVM Vapnik<br />
Expert<br />
systems<br />
Multiscale Brain Organisation<br />
Social Nets