Modélisation stochastique d'une population de neurones, méta-apprentissage dans un problème de classification

Bruno Scherrer 1 Frédéric Alexandre 1 François Charpillet 2 Stéphane Vialle
1 CORTEX - Neuromimetic intelligence
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
2 MAIA - Autonomous intelligent machine
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : La modélisation stochastique d'une population de neurones peut s'inspirer de l'étude générale de populations d'entités en interactions. l'étude stochastique de telles populations d'agents a été abordée par une famille de méthodes dérivées de la recherche opérationnelle et de récents travaux concernant l'apprentissage par renforcement dans de tels systèmes peuvent servir d'outil pour la modélisation de neurones en interaction. Nous présentons un cadre générique d'étude stochastique d'agents partageant un environnement et une méthode d'apprentissage par renforcement qui lui est associée. Nous exposons ensuite l'état actuel de nos recherches concernant des possibles adaptations au paradigme neuronal pour un problème de classification.
Type de document :
Communication dans un congrès
Neurosciences et sciences de l'ingénieur, 2000, Dinard, France, 4 p, 2000
Liste complète des métadonnées

https://hal.inria.fr/inria-00099114
Contributeur : Publications Loria <>
Soumis le : mardi 26 septembre 2006 - 08:51:04
Dernière modification le : jeudi 11 janvier 2018 - 06:19:51

Identifiants

  • HAL Id : inria-00099114, version 1

Collections

Citation

Bruno Scherrer, Frédéric Alexandre, François Charpillet, Stéphane Vialle. Modélisation stochastique d'une population de neurones, méta-apprentissage dans un problème de classification. Neurosciences et sciences de l'ingénieur, 2000, Dinard, France, 4 p, 2000. 〈inria-00099114〉

Partager

Métriques

Consultations de la notice

275