Modélisation stochastique d'une population de neurones, méta-apprentissage dans un problème de classification - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2000

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

Bruno Scherrer
Frédéric Alexandre
Stéphane Vialle

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.
Fichier non déposé

Dates et versions

inria-00099114 , version 1 (26-09-2006)

Identifiants

  • HAL Id : inria-00099114 , version 1

Citer

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. ⟨inria-00099114⟩
320 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More