Mnemosyne : synergie mnésique (page en construction)
ALEXANDRE Frédéric (DR INRIA) ANDIRANTSOAMBEROMANGA Maeva (Doctorante) AUSSEL Amélie (ISFP INRIA) CHAIX-ECHEL Naomi (Doctorante) CHATEAU-LAURENT Hugo (Doctorant) DAGAR Snigdha (Doctorante) HINAUT Xavier (CR INRIA) HYSENI Fjola (Doctorante) MERCIE Chloé (Doctorante) OOTA Subba-Reddy (Doctorant) PALAUDE Axel (Doctorant) SANKAR Remya (Ingénieure de Recherche) TROUVAIN Nathan (Doctorant) VARDALAKS Nikolaos (Doctorant) VIEVILLE Thierry (DR INRIA)
Pour toute information, merci de contacter directement Dr Nicolas Rougier.
Thématique de recherche
Nous concevons des modèles informatiques systémiques du cerveau afin d’explorer et de comprendre la cognition, avec un accent particulier sur l’apprentissage et le comportement. Nos modèles vont de modèles bio-physiques très précis (par exemple, Hodgkin-Huxley) à des représentations de haut niveau (e.g., des ontologies) organisées autour de 4 axes de recherche principaux.
- La prise de décision et le contrôle cognitif
Nos travaux sur la prise de décision et le contrôle cognitif sont basés sur l’idée centrale qu’ils résultent de l’interaction de plusieurs systèmes de mémoire et de structures cérébrales, par opposition à l’idée d’une structure unique qui serait la seule responsable d’un comportement donné. Plus précisément, nous cherchons à expliquer les contributions interactives des ganglions de la base, du cortex préfrontal et de l’hippocampe pour différents scénarios de prise de décision et de contrôle cognitif.
- Traitement du langage
L’une de nos ambitions à long terme est de créer un modèle biologiquement plausible du traitement et de la production des phrases : le modèle devrait être dynamique, hiérarchique et utiliser des mécanismes d’action-perception. Les perspectives importantes sont d’adapter le modèle aux données expérimentales des fonctions langagières saines et pathologiques et d’explorer comment l’incorporer dans des robots afin de modéliser comment le cerveau des enfants apprend, dans un schéma de développement, la sémantique à différents niveaux d’abstraction des symboles.
- Connaissance abstraite et symbolique
Lorsque l’on modélise le cerveau engagé dans des tâches de résolution de problèmes complexes, ouvertes et mal définies, l’espace d’état ne peut plus raisonnablement être énuméré (comme avec, par exemple, les processus de décision de Markov utilisés dans l’apprentissage par renforcement classique) mais doit être spécifié par une représentation plus structurée et symbolique. Cela inclut la représentation des connaissances antérieures telles que les concepts abstraits émergeant des représentations sensorimotrices, par exemple les affordances et la physique intuitive. Nous supposons que le formalisme computationnel utilisé dans la formalisation des connaissances, comme les ontologies, est un bon candidat pour relever un tel défi.
- Apprentissage automatique
Bien que notre domaine principal soit les neurosciences computationnelles, nous contribuons régulièrement à l’élaboration de nouveaux algorithmes d’apprentissage automatique qui découlent de nos modèles de neurosciences computationnelles. À cet égard, nous avons conçu et maintenons ReservoirPy (https://github.com/reservoirpy/reservoirpy) qui est une bibliothèque simple et conviviale basée sur des modules scientifiques Python. Elle fournit une interface flexible pour la mise en œuvre d’architectures efficaces de calcul de réservoir (RC), avec un accent particulier sur les réseaux d’état d’écho (ESN).
Accéder à la bibliographie complète >>>
Dernières publications
Criteria : Author : "nicolas-p-rougier;frederic-alexandre;xavier-hinaut;1149577", Publication type : "('ART')"
Number of occurrences founded : 109.
- titre
- Comment fonctionne ChatGPT ? Décrypter son nom pour comprendre les modèles de langage
- auteur
- Frédéric Alexandre
- article
- The Conversation, 2023
- identifiant
- hal-04156226
- titre
- De Cambridge Analytica à ChatGPT, comprendre comment l’IA donne un sens aux mots
- auteur
- Frédéric Alexandre
- article
- The Conversation, 2023
- identifiant
- hal-04156230
- titre
- A new method for quantifying treeline-ecotone change based on multiple spatial pattern dimensions
- auteur
- Déborah Birre, Thierry Feuillet, Roman Lagalis, Johan Milian, Frédéric Alexandre, David Sheeren, Roberto Serrano-Notivoli, Matthieu Vignal, Maaike Y Bader
- article
- Landscape Ecology, 2023, 38, pp.18. ⟨10.1007/s10980-022-01589-4⟩
- identifiant
- hal-03942369
- titre
- Interacting rhythms enhance sensitivity of target detection in a fronto-parietal computational model of visual attention
- auteur
- Amélie Aussel, Ian C Fiebelkorn, Sabine Kastner, Nancy J Kopell, Benjamin Rafael Pittman-Polletta
- article
- eLife, 2023, 12, pp.e67684. ⟨10.7554/eLife.67684⟩
- identifiant
- hal-04150575
- titre
- Latent space exploration and functionalization of a gated working memory model using conceptors
- auteur
- Anthony Strock, Nicolas P. Rougier, Xavier Hinaut
- article
- Cognitive Computation, 2022, ⟨10.1007/s12559-020-09797-3⟩
- identifiant
- hal-02494493