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 :

  1. en les dotant d’une physiologie artificielle,
  2. en donnant des instructions de façon naturelle et croissante
  3. 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

Search Results --> Url version détaillée , Url version formatée
Criteria : Author : "Frederic,Alexandre", Publication type : "('ART')"
Number of occurrences founded : 52.

titre
Les relations difficiles entre l'Intelligence Artificielle et les Neurosciences
auteur
Frédéric Alexandre
article
Interstices, INRIA, 2020
identifiant
hal-02925517
titre
Les modèles mathématiques : miracle ou supercherie ?
auteur
Frédéric Alexandre
article
Binaire, Le Monde, 2020
identifiant
hal-02925570
titre
LINE - Mnémosyne : Des neurosciences computationnelles aux sciences de l’éducation computationnelles pour la modélisation du cerveau de l’apprenant et du contexte de l’activité d’apprentissage
auteur
Margarida Romero, Frédéric Alexandre, Thierry Viéville, Gérard Giraudon
article
Bulletin de l'Association Française pour l'Intelligence Artificielle, AFIA, 2020
identifiant
hal-02541099
titre
[Re] The Wisconsin Card Sorting Test: Theoretical analysis and modeling in a neuronal network
auteur
Pauline Bock, Frédéric Alexandre
article
The ReScience journal, GitHub, 2019, 3 (1), pp.5
identifiant
hal-02401066
titre
Bio-inspired analysis of deep learning on not-so-big data using data-prototypes
auteur
Thalita Drumond, Thierry Viéville, Frédéric Alexandre
article
Frontiers in Computational Neuroscience, Frontiers, 2019, 12, ⟨10.3389/fncom.2018.00100⟩
identifiant
hal-01954911