MODELISATION INFORMATIQUE DU CERVEAU HUMAIN

MODELISATION INFORMATIQUE DU
CERVEAU HUMAIN
LE JEUNE Micha¨ el - MARTIN Jonathan - RODRIGUEZ Laurent
17 mai 2006

ii

Table des mati`eres
I Introduction 1
II Stimuli 5
1 Les sens et leurs ´equivalents technologiques 9
1.1 La vue ................................. 9
1.2 L’ouie ................................. 10
1.3 Les autres sens ............................ 11
2 Le m´ecanisme de transmission de l’information 13
2.1 Le neurone biologique ........................ 13
2.2 Exemple de transmission : la motricit´e ............... 14
3 Les diff´erentes (( visions )) du cerveau 17
3.1 La th´eorie du cerveau-machine ................... 17
3.2 La th´eorie de Vernon Mountcastle ................. 18
III Analyse 21
4 Introduction 23
5 Th´eorie de Vernon Mountcastle 25
5.1 Hi´erarchie neuronale ......................... 25
5.2 M´emoire pr´edictive .......................... 26
6 Les reseaux de neuronnes en g´en´eral 29
6.1 G´en´eralit´es .............................. 29
6.2 Principales sortes de r´eseaux .................... 29
6.3 Quelle est l’utilit´e du r´eseau de neurones ? ............. 30
7 Les r´eseaux non boucl´es - feed forward 31
7.1 Pr´esentation .............................. 31
7.2 Exemple de r´eseau non boucl´e multicouches ............ 31
7.3 Application du feedforward : le Perceptron ............. 31
7.3.1 Pr´esentation : un peu d’histoire... .............. 31
7.3.2 Composition du perceptron ................. 32
7.3.3 Explications .......................... 32
7.3.4 Apprentissage du perceptron ................ 32
iii

iv TABLE DES MATI ` ERES
8 Les r´eseaux boucl´es / r´eentrants 35
9 Etude d’un cas simple : le r´eseau neuronal de Mc Culloch-Pitts 37
9.1 Pr´esentation .............................. 37
9.2 Fonctions bool´eennes simples .................... 38
9.2.1 Fonction OU ......................... 38
9.2.2 Fonction de filtre ....................... 38
9.2.3 Fonction ET ......................... 39
9.2.4 Fonction NOT ........................ 39
9.3 Application `a un exemple ...................... 39
9.3.1 Pr´esentation du probl`eme .................. 39
9.3.2 Table de v´erit´e ........................ 39
9.3.3 R´esultat avec un r´eseau non-boucl´e ............. 40
9.3.4 R´esultat avec un r´eseau boucl´e ............... 40
9.4 Conclusion .............................. 40
10 Apprentissage des r´eseaux de neurones 43
10.1 Au d´epart de l’apprentissage .................... 43
10.2 les diff´erents niveaux d’apprentissage ................ 43
10.3 Impl´ementation de l’apprentissage ................. 44
11 Syst`eme expert et Syst`eme mutli-agents 45
11.1 Syst`eme expert ............................ 45
11.2 Syst`eme Multi-agents ........................ 46
11.2.1 D´efinitions .......................... 46
11.2.2 exemples de puissance et application ............ 46
IV Conclusion 47
12 Applications 49
12.1 Application militaire ......................... 49
12.2 Jeux Vid´eos .............................. 49
12.3 Robotique ............................... 50
12.3.1 En quˆete d’intelligence .................... 50
12.3.2 Le Mouvement ........................ 50
12.3.3 Perception ........................... 51
12.3.4 Esprit d’´equipe ........................ 51
13 Un futur par si lointain... 53
V R´ef´erences 55
13.1 Bibliographie ............................. 57
13.2 Les sources web ............................ 57

Premi`ere partie
Introduction
1