Accueil  >>  Master  >>  Neurosciences  >>  Neurosciences fondamentales et cliniques  >>  Neurosciences computationnelles
  • Domaine : Masters du domaine SCIENCES, TECHNOLOGIES, SANTE
  • Diplôme : Master
  • Mention : Neurosciences
  • Parcours : Neurosciences fondamentales et cliniques
  • Unité d'enseignement : Neurosciences computationnelles
Nombre de crédits de l'UE : 3
Code APOGEE : BIO1341M
UE pour ce parcours
UE valable pour le semestre 2 de ce parcours
    Responsabilité de l'UE :
AMAT CORINE
 corine.amatuniv-lyon1.fr
04.37.28.74.61
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
6 h
Travaux Dirigés (TD)
12 h
Travaux Pratiques (TP)
12 h
Total du volume horaire
30 h
* Ces horaires sont donnés à titre indicatif.
    Programme - Contenu de l'UE :

Responsables de l'UE :
Jérémie MATTOUT : jeremie.mattout@inserm.fr
Corine AMAT : corine.amat@univ-lyon1.fr

Les neurosciences computationnelles ont pour but de comprendre le cerveau par des moyens théoriques, mathématiques et informatiques. Ce champ est en pleine expansion débouchant sur de nouveaux outils pour comprendre et étudier le cerveau à différentes échelles, simuler des mécanismes cérébraux et cognitifs, et construire des programmes ou des machines ayant des propriétés mimant celles de systèmes nerveux.

 

L’objectif de cette UE est de jeter les bases théoriques et méthodologiques d’investigation en neurosciences computationnelles.

 

Le premier socle de connaissances concerne les principes théoriques, historiques et philosophiques de la modélisation sur lesquels repose la démarche des neurosciences computationnelles (qu’est-ce qu’un modèle, pourquoi les modèles, comment, limitations et falsifications etc.), ainsi qu’une introduction aux applications dans la société civile (robotique, intelligences artificielles, systèmes experts, etc.).

 

Le second socle de connaissances concerne les outils mathématiques généraux employés dans les diverses applications des neurosciences computationnelles (probabilités, équations différentielles simples, modèle linéaire généralisé (GLM), approche Bayésienne, simulations neuronales, introduction au machine learning…). Ce socle permettra une compréhension générale des outils et sera accessible aux biologistes.

 

La troisième partie de l’UE abordera en 2 sous modules (axes) les approches et l’implémentation d’approche computationnelles :

  • Comportement et cognition: définition d’une expérience psychophysique, des choix et temps de réaction, et des modèles relatifs (logistiques, GLM, drift diffusion).
  • Du neurone aux réseaux : simulation de neurones, de champs récepteurs, d’une colonne corticale, d’oscillations, de la communication entre aires cérébrales (Dynamic Causal Modeling, etc.). 

Chaque axe apportera des connaissances théoriques et pratiques, incluant des TP/TD pour acquérir des données sur la base d’expériences comportementales (axe 1) et de simulations de neurones (axe 2), et prendre contact avec le principe des analyses dites model-based.

 

TP:- Module « comportement et cognition », expérience de psychophysique/comportement (acquisition des   données  au GATE puis analyse/modélisation);

- Module « simulations neuronales » du neurone au réseau : la ‘tuning curve’.

 

Intervenants : Equipe pédagogique de Neurosciences de l’Université de Lyon, FST-Département de Biologie. Chercheurs en neurosciences du Labex Cortex et des Laboratoires Lyonnais.
L
e Labex Cortex et le Centre de Recherche en Neurosciences de Lyon (CRNL) soutiennent directement l'UE.


    Modalités de contrôle des connaissances et Compétences 2019-2020 :
TypeLibelléNatureCoef. 
CTContrôle TerminalCT : Neurosc. computationnellesEcrit session 1 / Ecrit session 22
CCContrôle ContinuContrôle Continu1
    Liste des autres Parcours / Spécialité / Filière / Option utilisant cette UE :
Date de la dernière mise-à-jour : 30/01/2019
SELECT * FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='20844' ORDER BY UE_ID_FK ASC, PAR_ID_FK ASC