Retour à la liste des cours du DEC

Neurosciences cognitives

Cliquer sur les liens pour obtenir les descriptifs. Les horaires et les salles sont disponibles sur le site du cogmaster.


COURS D'INTRODUCTION, SANS PRÉREQUIS (L3/M1) :

CO4 Introduction aux neurosciences

CO6 Introduction aux neurosciences computationnelles
Niveau: IN
Semestre: S2, ECTS : 4
Responsable : Boris Gutkin
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 26h
Horaires et salle : mardi de 17h à 19h, ENS salle Théodule Ribot


Cette unité d'enseignement présentera le traitement de l'information dans le cerveau d'une perspective mathématique. L'objectif du cours est d'initier les étudiants aux neurosciences computationnelles et d'enseigner les outils quantitatifs utilisés dans l'étude du cerveau.
Nous traiterons en particulier les matières suivantes :
- Dynamique et mécanismes (biophysique d'un neurone; génération de potentiels d'action; réseaux de neurones feedforward et récurrent; réseaux attracteurs; fonctions d'énergie, énergie de Liapounov; apprentissage et plasticité synaptique; mémoires associatives)
- Traitement de l'information (traitement sensoriel; filtres linéaires et champs récepteurs; estimation des champs récepteurs; détecteurs de contour; modèle de Hubel et Wiesel; statistiques des images naturelles; théorie de l'information; analyse en composantes indépendantes; décodage neuronal; codage par population)
- Modélisation de la cognition et du comportement (modèles de prise de décision; conditionnement classique; conditionnement opérant; apprentissage par renforcement; neuroéconomie).

Remarque : Les cours seront donnés en anglais.

CO7 Introduction à la neuropsychologie
Niveau: IN
Semestre: S2, ECTS : 4
Responsable : Charlotte Jacquemot, Anne-Catherine Bachoud-Lévi
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 26h
Horaires et salle : jeudi de 17h à 19h, ENS, salle Paul Langevin


Le cours est une introduction aux concepts et méthodes de la neuropsychologie (études des patients atteints de lésions cérébrales). Le cours ne suppose pas de connaissances préalables en médecine ou biologie.


COURS PLUS AVANCÉE (M1/M2) :

Code : DEC-MM-CA6a-S1 - Cours avancé en neuroscience théorique
Niveau : MM
Semestre : S1, ECTS : 6
Responsable : Jean-Pierre Nadal
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 47h30 (+21h TD)
Cours le jeudi 13h-16h30, L363/365 (+ TD jeudi 17h-18h30, L363/365 )
Pré-requis : Une bonne familiarité avec les notions de bases d'analyse, algèbre linéaire et probabilités est fortement recommandée. Quelques connaissances en neurobiologie, et en systèmes dynamiques et mécanique statistique, seront utiles mais pas nécessaires. Si nécessaire, dans le cadre des TD des séances de tutorat seront organisées pour les étudiants ayant besoin d'un soutien en mathématiques. Nous contacter si vous êtes concerné.

Description : Ce cours introduira une palette d'approches quantitatives autour de trois questions centrales de la neuroscience: Comment le cerveau est-il constitué ? Quelles fonctions et quels calculs accomplit-il ? Par quels mécanismes ? Le cerveau est un organe complexe qui accomplit des tâches sophistiquées de manière très précise. Il est donc souvent inespéré de pouvoir établir des liens directs entre la biochimie et une fonction donnée du cerveau. La neuroscience théorique ou computationnelle tente de combler ce fossé en suggérant des mécanismes possibles pour la perception, l'apprentissage, la mémoire, le contrôle moteur... De surcroît, des données expérimentales de plus en plus nombreuses et de plus en plus fines sont obtenues chaque jour. Leur simple abondance suggère l'utilité de principes théoriques qui aident à les 'mettre en forme' et à mieux les comprendre. La précision actuelle des expériences permet en retour des comparaisons détaillées avec les théories mathématiques proposées. Le propos du cours sera, premièrement, de présenter un certain nombre de questions pour lesquelles une approche quantitative est pertinente. Deuxièmement, le cours introduira des méthodes mathématiques nécessaires à l'étude de ces questions, mais utiles aussi dans d'autre domaines tels que la psychophysique, l'informatique, la biophysique, le génie biologique... Finalement, le cours examinera des exemples concrets de problèmes dont la compréhension peut bénéficier d'une approche quantitative.

Code : DEC-MM-CA6b-S2 - Introduction à l’apprentissage machine appliqué aux neurosciences et à la cognition
Niveau : MM
Semestre : S2, ECTS : 4
Responsable : Sophie Denève
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 27h (+TD)
Horaire : vendredi 9h30-12h30, langevin


The goal of this course is to introduce basic concepts from machine learning and their practical applications to the neural basis of cognition, behavior and neuroscience. Lectures will alternate between intuitive introductions to the concepts involved, specific applications of these concepts to neuroscience, and TD sections with introductory exercises.
1. Probabilistic methods.
Prior, posterior, likelihood, Generative models, maximum likelihood.
Application: Cue combination in behavior and cortical networks.
2. Representational learning (unsupervides learning with continous latent representations)
Information maximization, Principle component analysis (PCA), Independent component analysis (ICA), sparse coding.
Application: sensory receptive fields.
Methods: PCA, ICA, CCA, sparse coding.
3. Supervised learning (classification/regression).
Linear classifiers, Gaussian mixtures, support vector machines (linear and non-linear).
Applications: Reading out the mind. Object recognition.
Methods: SVM, logistic, k-NN, Cart, neural networks.
4. Interpolation.
Gaussian processes, density estimation, Expectation/maximization.
Application: Unsupervised learning in humans and animals.
Methods: Parzen, k-means, GMM.
Validation : Lecture d'un article de recherche + reproduction d'expériences numériques.

Code : DEC-MM-CA6jc-S1 - Journal Club en neuroscience quantitative
Niveau : MM
Semestre : S1, ECTS : 4
Responsable : Srdjan Ostojic
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire: 26h
Horaire : mercredi 14h30-16h30, salle Théodule Ribot


In this course, the students will go through several, mostly recent articles within the broader area of computational neuroscience. Each week will be dedicated to one research article (see choice of articles below). This article will be presented by a student in a short talk (about 20-30 minutes), followed by a discussion among the students. To ensure a lively discussion, every student has to read the article and submit a question about it one week in advance. The topics cover computational models from the single neuron level to behavior. Most of the articles adress modern problems in the brain sciences and use a combination of experiments and mathematical analysis to solve them. Students will be free to choose an article to their liking. The course languages will be French and English. Talks can be held in either language.

Intended audience:
- M2 students within the Cogmaster program
- students with a quantitative background (physics, computer science, mathematics, engineering etc.) that are interested in neuroscience
- students with a biology/neuroscience background that are interested in quantitative (mathematical) approaches to neuroscience

Code : DEC-MM-CA7-S1 - Cours avancé en méthodes d'imagerie fonctionnelle cérébrale
Niveau : MM
Semestre : S1, ECTS : 6
Responsables : Laura Dugué et Valentin Wyart
Type d’enseignement : Cours hebdomadaire semestriel
Volume horaire : 30h(+6h de TD)
Horaire : vendredi 9h-12h, salle De Broglie D, rue des Saints Pères


Objectif: donner aux étudiants les connaissances nécessaires pour choisir une méthode d'imagerie en fonction de la question scientifique posée, et d'intégrer les limitations méthodologiques au raisonnement scientifique.
Contenu: EEG, MEG, TMS, IRM anatomique et fonctionnelle, PET

Prérequis : Bases physiologiques : mécanismes du potentiel d'action, notions de métabolisme cellulaire, notions d'anatomie cérébrale ; et bases méthodologiques : notions de fréquence, d'échantillonnage, de fonction. Ces points seront abordés rapidement lors du cours d'introduction.

MM-CA4(b)-S2 Neurophysiologie cognitive de la perception
Semestre : S2, ECTS : 4
Responsable : Yves Boubenec
Horaires : Le mardi de 10h30 - 12h30
Lieu : salle Théodule Ribot
Type d’enseignement : Séminaire de présentation d'articles
Volume horaire : 30h
Début des cours le 6 mars 2018
.

L'objectif de ce séminaire est de présenter des résultats récents en physiologie de la prise de décision. Nous discuterons des mécanismes corticaux de sélection d'informations pertinentes, ainsi que de l'influence des aires supérieures sur le traitement de l'information sensorielle. Un accent tout particulier sera mis sur des articles d'électrophysiologie chez l'animal en comportement, en détaillant l'activité neuronale à travers de nombreuses aires du cortex (des aires sensorielles aux aires frontales). Chaque semaine un étudiant présentera un article choisi parmi une liste prédéfinie. Divers intervenants participeront aux séances afin d'encourager des discussions stimulantes. L'assiduité aux séances est obligatoire.
QANE - S1 - Master Classes in Quantitative Analysis in NEurosciences
Niveau : MM & Doctorat
Semestre : S1, ECTS : 4
Responsables : Yves Boubenec, Srdjan Ostojic
Type d’enseignement : séminaire
Volume horaire 24h (6 sessions of 4-hour long classes)
Dates: Tuesday morning, every 2-3 weeks Teaching type: Master classes
Introductory session:
02/10/17 18h DEC seminar Room
29, rue d'Ulm, Ground floor
Prerequisite: a basic background in math and statistics is welcome.

The goal of this course is to bridge key concepts in integrative neurophysiology (such as cortical plasticity, attentional processes, decision-making...) and the state-of-the art in terms of analysis and modeling techniques in neurosciences (receptive fields, stimulus decoding, stimulus classification...). Quantitative analysis are now a major component of integrative neurosciences as they allow testing and formulating predictions based on the large experimental datasets that are nowadays available. In order to provide an outstanding training and attract students coming from various horizons, the strategy of this teaching unit is to select a few key neuroscientists, each expert in a different type of analysis, and allow them to present their data and detail their analysis techniques in 4h-long master class (2 x 1h30 + 1h free slot). This course is supported by the Chaire d’excellence of Shihab Shamma (Département d'Études Cognitives), whose objectives are tangent to the aim of this series of master classes.

Validation: The validation of this teaching unit will be conditioned to the attendance to all sessions, excepted in case of well-motivated and justified absence. In addition, students will be asked to prepare each class with the required materials, depending on the lecturer. At the end of the series of master classes, they will write a personal essay going further into one of the topics tackled in class. Relevant papers will be proposed to guide students in their approach.


Ateliers théoriques (M1/M2) :

AT1(a) - Atelier théorique Modélisation conceptuelle
AT2 - Atelier théorique Modélisation computationnelle

Cours interdisciplinaires contenant une part importante de neurosciences (M2) :

FCS1 - Action, décision et volition
FCS3 - Neurosciences cognitives de la conscience
LC1 - Acquisition et traitement du langage
P1 - Perception visuelle
P2 - Perception auditive
P3 - Perception et action