Modèle de neurone

Un neurone artificiel est une unité fonctionnelle, capable de produire une sortie différenciée en fonction de l'état de ses entrées et éventuellement d'une mémoire locale. Le terme différenciée traduit le fait que l'on doit pouvoir distinguer sur la sortie l'état actif de l'état inactif. Cela traduit en particulier le fait que la modélisation neuronale exclut a priori une sortie de type linéaire.

Le neurone est classiquement modélisé par 2 opérateurs :

• un opérateur de sommation, qui élabore le potentiel $u$. Cet opérateur effectue la somme pondérée des entrées. On soustrait parfois à cette somme la valeur du seuil d'activation $\theta$.
• un opérateur non-linéaire qui calcule la valeur de l'activation $x$. Cet opérateur s'appelle la fonction de transfert.

Dans le cadre d'une modélisation d'inspiration biologique, le choix de la fonction de transfert traduit un a priori sur la nature du codage que l'on souhaite modéliser. Les fonctions de type sigmoïde représentent des taux de décharge, tandis que des fonctions de type ``integrate and fire'' représentent exhaustivement les motifs de tir.