Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
94 Codage neuronal et computation<br />
number of spikes over some time. When the time bin is long compared<br />
with the length of time between spikes, the mean rate can be estimated<br />
reliably from a single spike train because many spikes occur in each bin.<br />
However, [...] when using very small bins, one is effectively measuring<br />
the position of individual spikes in the bins rather than measuring large<br />
numbers of spikes in each bin, making it more a measure of spike timing<br />
than spike rate. The difference between rate coding and temporal<br />
coding for an individual spike train is a principled but arbitrary distinction<br />
that is based upon the interval chosen for counting the spikes.<br />
The choice of interval is often based upon timescales believed to be relevant<br />
to a particular circumstance, such as how quickly the stimulus<br />
changes, the integration time of a neural element, the mechanism of<br />
decoding, or the relevant behavioral timescale.<br />
Ainsi, ces théories diffèrent essentiellement par l’échelle de temps utilisée : la<br />
fréquence de décharge est généralement considérée à une échelle de l’ordre d’une<br />
ou plusieurs dizaines de millisecondes, tandis que la considérer à l’ordre de la<br />
milliseconde revient à prendre en compte les potentiels d’action individuels (qui<br />
durent environ une milliseconde).<br />
Mentionnons aussi que le terme même de fréquence de décharge est ambigu, et<br />
plusieurs définitions coexistent (Gerstner et Kistler 2002). Ces définitions diffèrent<br />
par la manière donc la moyenne est réalisée. Si la moyenne est réalisée dans le<br />
temps (fréquence moyenne de décharge), les aspects temporels plus courts que la<br />
taille de la fenêtre temporelle utilisée pour la moyenne sont clairement négligés. En<br />
revanche, lorsque c’est la moyenne instantanée de décharge qui est considérée, la<br />
moyenne étant réalisée à travers une population de neurones ou à travers plusieurs<br />
réalisations, des aspects temporels rapides peuvent être considérés dès lors que la<br />
taille de la fenêtre est courte.<br />
Nous présentons maintenant deux débats portant sur le rôle éventuel des temps<br />
des potentiels d’action dans le codage neuronal. Nous discuterons ensuite des<br />
différents arguments.<br />
3.7.2 Un exemple de débat : intégrateur ou détecteur de<br />
coïncidences ?<br />
Nous présentons maintenant un débat célèbre entre des partisans des deux<br />
théories. Il est instructif d’en analyser les arguments et les contre-arguments. Ce<br />
débat, qui se déroule au début des années 1990, oppose Koch et Sofky, partisans<br />
du point de vue temporel, à Shadlen et Newsome, partisans du point de vue<br />
fréquentiel. Ces auteurs s’opposent principalement sur la nature de la computation<br />
neuronale, qui peut être soit une intégration temporelle (le neurone réalise une<br />
somme algébrique de ses entrées, indépendamment de leurs temps d’arrivée), soit<br />
une détection de coïncidences (le neurone ne répond que lorsque suffisamment<br />
d’évènements arrivent dans un délai très court, inférieur à la constante de temps<br />
membranaire).