Exploration of biological neural wiring using self-organizing agents

par Önder Gürcan

Thèse de doctorat en Intelligence artificielle

Sous la direction de Pierre Glize et de Ogŭz Dikenelli.

Soutenue en 2013

à Toulouse 3 en cotutelle avec l'Ege University .

  • Titre traduit

    Étude du câblage neuronal biologique à l'aide d'agents auto-organisateurs


  • Résumé

    Cette thèse présente un nouveau modèle computationnel capable de détecter les configurations temporelles d'une voie neuronale donnée afin d'en construire sa copie artificielle. Cette construction représente un véritable défi puisqu'il est impossible de faire des mesures directes sur des neurones individuels dans le système nerveux central humain et que la voie neuronale sous-jacente doit être considérée comme une boîte noire. La théorie des Systèmes Multi-Agents Adaptatifs (AMAS) est utilisée pour relever ce défi. Dans ces systèmes auto-organisateurs, un grand nombre d'agents logiciels coopératifs interagissent localement pour donner naissance à un comportement collectif ascendant. Le résultat est un modèle émergent dans lequel chaque entité logicielle représente un neurone " intègre-et-tire ". Ce modèle est appliqué aux réponses réflexes d'unités motrices isolées obtenues sur des sujets humains conscients. Les résultats expérimentaux, comparés à des données obtenues expérimentalement, montrent que le modèle découvre la fonctionnalité de voies neuronales humaines. Ce qui rend le modèle prometteur est le fait que c'est, à notre connaissance, le premier modèle réaliste capable d'auto-construire un réseau neuronal artificiel en combinant efficacement les neurosciences et des systèmes multi-agents adaptatifs. Bien qu'aucune preuve n'existe encore sur la correspondance exacte entre connectivité du modèle et connectivité du système humain, tout laisse à penser que ce modèle peut aider les neuroscientifiques à améliorer leur compréhension des réseaux neuronaux humains et qu'il peut être utilisé pour établir des hypothèses afin de conduire de futures expérimentations.


  • Résumé

    In this thesis, a novel computational model that detects temporal configurations of a given human neuronal pathway and constructs its artificial replication is presented. This poses a great challenge since direct recordings from individual neurons are impossible in the human central nervous system and therefore the underlying neuronal pathway has to be considered as a black box. For tackling this challenge, the Adaptive Multi-Agent Systems (AMAS) theory in which large sets of cooperative software agents interacting locally give rise to collective behavior bottom-up is used. The result is an emergent model where each software entity represents an integrate-and-fire neuron. We then applied the model to the reflex responses of single motor units obtained from conscious human subjects. Experimental results show that the model uncovers functionality of real human neuronal pathways by comparing it to appropriate surrogate data. What makes the model promising is the fact that, to the best of our knowledge, it is the first realistic model to self-wire an artificial neuronal network by efficiently combining neuroscience with self-adaptive multi-agent systems. Although there is no evidence yet of the model's connectivity mapping onto the human connectivity, we anticipate this model will help neuroscientists to learn much more about human neuronal networks, and could also be used for predicting hypotheses to lead future experiments.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (155 p.)
  • Annexes : Bibliogr. p. 125-145

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Paul Sabatier. Bibliothèque universitaire de sciences.
  • Disponible pour le PEB
  • Cote : 2013 TOU3 0091
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.