Mnemosyne : synergie mnémonique

ALEXANDRE Frédéric (chercheur) CARRERE Maxime (doctorant) CHRAIBI KAADOUD Ikram (doctorante) GARENNE André (MCU) HERICE Charlotte (doctorante) HINAUT Xavier (chercheur) ROUGIER Nicolas (chercheur) TOPALIDOU Meropi (doctorante) VIEVILLE Thierry (chercheur)
Pour toute information, merci de contacter directement Dr Frédéric ALEXANDRE.
Thématique de recherche
Mnemosyne est une équipe de recherche en informatique, intégrée dans un environnement de neurosciences et de médecine. La modélisation du réseau neuronal et de ses pathologies est au centre de notre recherche. Nous explorerons les stratégies mises en place dans l’architecture cérébrale pour apprendre et représenter différents types d’informations. Notre objectif est de réaliser des modèles efficaces, en terme de performances, de reproductibilité et d’application.
Notre recherche s’axe autour de quatre thématiques :
- Neuroscience cognitive et intégrative
Il s’agit de construire, à partir d’une importante quantité de données, une grille interprétative et simplifiée, indiquant les calculs locaux homogènes, ainsi qu’un plan structuré et logique pour le développement des fonctions cognitives.
- Neuroscience informatique
Le but est d’explorer techniquement et théoriquement les relations entre structures et fonctions dans le cerveau, grâce à des méthodes de l’informatique et des mathématiques appliquées.
- Apprentissage des machines
Notre objectif est de proposer des systèmes d’apprentissage en ligne, où différents modes d’apprentissage doivent collaborer et où les protocoles d’entraînements sont réalistes.
- Robotique autonome
Notre but est de rendre l’autonomie des robots possible par différents moyens :
- en les dotant d’une physiologie artificielle,
- en donnant des instructions de façon naturelle et croissante
- en priorisant la synergie entre des projets réactifs et robustes sur des structures complexes de planification.
Notre travail de recherche se trouve à la frontière des neurosciences intégratives et computationnelles. Nous proposons de modéliser le cerveau comme un système de mémoires actives, en synergie et en interaction avec les mondes interne et externe.
Sur la base des connaissances actuelles et de données expérimentales, nous modélisons les structures cérébrales et principaux flux d’information du cerveau. Nous prêtons particulièrement attention à la façon dont la fonction mnémonique est mise en œuvre. Dans une approche systémique, nous étudions, modélisons et implémentons les boucles sensorimotrices qui impliquent le monde extérieur, le corps et le cerveau. Le but est d’observer au niveau comportemental les propriétés émergeant de l’interaction entre ces différentes boucles.
L’approche originale que nous mettons en œuvre permet de réexaminer et d’enrichir les algorithmes et les méthodologies utilisés pour l’apprentissage des machines et la robotique autonome. Elle permet également d’élaborer des hypothèses à tester en neuroscience et en médecine, et d’offrir de nouvelles bases d’expérimentation à ces domaines.
Axes de recherche
- Amélioration des modèles de conditionnement pavlovien et de renforcement par prise en compte de la nature et de la modulation de l’information.
- Création de bibliothèques numériques permettant de vérifier les caractéristiques requises pour passer d’un modèle expérimental à un modèle valide et encouragement à la bonne pratique dans la modélisation.
- Regroupement des mécanismes d’acquisition d’information et de représentation
- Création d’une plateforme permettant de générer des environnements virtuels
Accéder à la bibliographie complète >>>
Dernières publications
Criteria : Author : "Frederic,Alexandre", Publication type : "('ART')"
Number of occurrences founded : 41.
- titre
- How to Understand Brain-Body-Environment Interactions? Toward a systemic Representationalism
- auteur
- Frédéric Alexandre
- article
- Constructivist Foundations, 2017, 13 (1), pp.130-131
- identifiant
- hal-01651768
- titre
- Synthèse, Conclusions, Perspectives : Les marges françaises, une géographie de la déconstruction ?
- auteur
- Étienne Grésillon, Frédéric Alexandre, Bertrand Sajaloli
- article
- Bulletin de l'Association de géographes français, Association des Géographes Français, 2017, 3, pp.546-555
- identifiant
- halshs-01648983
- titre
- Sustainable computational science: the ReScience initiative
- auteur
- Nicolas Rougier, Konrad Hinsen, Frédéric Alexandre, Thomas Arildsen, Lorena Barba, Fabien C. Y. Benureau, C. Titus Brown, Pierre De Buyl, Ozan Caglayan, Andrew P. Davison, Marc André Delsuc, Georgios Detorakis, Alexandra K. Diem, Damien Drix, Pierre Enel, Benoît Girard, Olivia Guest, Matt G. Hall, Rafael Neto Henriques, Xavier Hinaut, Kamil S Jaron, Mehdi Khamassi, Almar Klein, Tiina Manninen, Pietro Marchesi, Dan Mcglinn, Christoph Metzner, Owen L. Petchey, Hans Ekkehard Plesser, Timothée Poisot, Karthik Ram, Yoav Ram, Etienne Roesch, Cyrille Rossant, Vahid Rostami, Aaron Shifman, Joseph Stachelek, Marcel Stimberg, Frank Stollmeier, Federico Vaggi, Guillaume Viejo, Julien Vitay, Anya Vostinar, Roman Yurchak, Tiziano Zito
- article
- PeerJ Computer Science, PeerJ, In press
- identifiant
- hal-01592078
- titre
- [Re] How Attention Can Create Synaptic Tags for the Learning of Working Memories in Sequential Tasks
- auteur
- Erwan Le Masson, Frédéric Alexandre
- article
- The ReScience journal, GitHub, 2016, 2 (1), 〈10.1371/journal.pcbi.1004060〉
- identifiant
- hal-01418735
- titre
- Autonomous Machine Learning
- auteur
- Frédéric Alexandre
- article
- ERCIM News, ERCIM, 2016, Special theme: Machine Learning
- identifiant
- hal-01401888