Master Sciences Cognitives - Master TAL
Intitulé de l'EC
Neurosciences computationnelles
N° d'UE
904
N° d'EC
1
N° d'heures
9h CM
9h TD
Descriptif du cours
Objectif : Présenter aux étudiants les approches de modélisation pour la biologie et les neurosciences en particulier.
Contenu : Modélisation à différentes échelles : présentation des modèles de neurone (microscopique), modèles des synapses et de groupes de neurones (mésoscopique), modèles de populations types champs neuronaux dynamiques (approches stochastiques) ; ainsi que les outils mathématiques (systèmes dynamiques) pour la conception et l’analyse des modèles de neurone : étude des bifurcations, caractérisation de la stabilité des points fixes, etc. Lecture d’articles scientifiques. Utilisation de logiciels dédiés aux neurosciences computationnelles : Neuron et Brian.
Prérequis
- Bases de la neurophysiologie,
- Equations différentielles,
- Bases en programmation Python
Compétences visées
- Modéliser un phénomène ou un problème notamment avec des outils informatiques associés aux outils mathématiques ou des sciences cognitives.
- Synthétiser et restituer sa production en langue française ou étrangère.
- Développer une argumentation motivée avec esprit critique.
Informations complémentaires
Références bibliographiques
- E. Izhikevitch, 2007, Dynamical Systems in Neuroscience, MIT Press Libri
- Thomas Trappenberg, Fundamentals of Computational Neuroscience, Oxford.
- Mallot, Hanspeter, Computational Neuroscience – A First Course, A Springer Series in Bio-/Neuroinformatics, Vol. 2, 2013.
- L. Buhry, 2010, Estimation de paramètres de modèles de neurones biologiques sur une plate-forme de SNN (Spiking Neural Networks) implantés «in silico».
URL du cours sur Arche
- Sans objet
Lien avec d’autres cours
- Versant bioréaliste de la modélisation à base de réseaux de neurones vue en M1
Modalités d'évaluation
Nombre d’épreuves
- 1
Nature des épreuves
- Projet
Travail en groupe
Seul ou en binôme
Mutualisation avec d’autres cours
- Non