Feed on
Posts
Comments

Archive for December, 2009

Pause musicale Manouche

Swing for Ninine

Methods, Neurons, Networks and Behaviors

June 13 - July 2, 2010. Okinawa, Japan

http://www.irp.oist.jp/ocnc/2010

The aim of the Okinawa Computational Neuroscience Course is to provide opportunities for young researchers with theoretical backgrounds to learn the latest advances in neuroscience, and for those with experimental backgrounds to have hands-on experience in computational modeling.
We invite graduate students and postgraduate researchers […]

JUNE 13-25, 2010

FIRST ANNOUNCEMENT

We are pleased to announce the 4th summer School in Computational Neuroscience, which will be held from Sunday June 13, 2010 until Friday June 25, 2010 inclusively. It is organized by the Center for Neural Dynamics at the University of Ottawa. This highly pedagogical course is directed at graduate students and postdoctoral […]

SFN 2008 Poster

Rivest, Bengio & Kalaska
Learning timing in reinforcement learning model of dopamine responses in appetitive fixed-delay classical conditioning.
The temporal difference (TD) learning algorithm is now a common choice when modeling dopaminergic neuron activity in learning. When time is an important component of the experiment however, most models use timing elements, such as delay lines, that are […]

Conclusion

Enfin, comprendre, modéliser, ou reproduire la grande capacité d’apprentissage du cerveau demandera bien plus que le seul savoir des neurosciences, des sciences cognitives ou de l’intelligence artificielle. Il faudra intégrer les outils et les indices apportés par toutes ces disciplines pour élucider ce mystère. Dans cet ouvrage, les outils mathématiques issus de l’apprentissage machine […]

L’aspect le plus fondamental du système nerveux central, c’est que tout comme le reste du corps humain, on peut le décomposer en différents systèmes. Toutefois, ceux-ci, de par leurs interactions, forment un tout qui dépasse la somme des parties. Par exemple, le système digestif est important pour la survie, mais il est inutile si on […]

Au cours de ces travaux sur le développement de représentations dans le cortex, un élément s’est avéré très important à la lumière des modèles et des données existantes : le temps. En effet, aucun modèle des ganglions de la base ne modélisait l’apprentissage de représentations temporelles (section 4.4.3.a) alors que les neurones dopaminergiques (Hollerman & Schultz, […]

L’idée de représentation distribuée évoque deux éléments importants. Premièrement, qu’aucun neurone seul ne puisse donner une information complète ou précise sur une variable spécifique. Il n’y a pas un neurone spécifique qui répond uniquement au concept « grand-maman » et qui peut à lui seul nous indiquer la présence ou l’absence de grand-maman à notre esprit. À […]

Malgré les avancées majeures reliées aux modèles informatiques de l’apprentissage par renforcement, dont les nombreuses données dopaminergiques reproduites à l’aide de ses modèles (voir section 4.4, Chapitre 7 et Chapitre , plusieurs questions restent à éclaircir au niveau des ganglions de la base et du système dopaminergique qui permettrait le développement de modèles plus […]

L’objectif de cette thèse était de mieux comprendre le développement de représentations dans un contexte d’apprentissage par renforcement dans le cerveau à l’aide de modèles informatiques. Les ganglions de la base et le système dopaminergique semblent au cÅ“ur du phénomène d’apprentissage par renforcement (Chapitre 4) et le cortex est le siège de nombreuses représentations abstraites […]