Communication neuronale

a) Communication neuronale naturelle i) Système nerveux

Le système nerveux est similaire à un large réseau de commu-nication à travers tout l’organisme. Les nerfs transportent des messages de tous les éléments du corps au cerveau sous forme de signaux électriques. La production, la supervision et la manipula-tion des signaux nerveux sont parmi les foncmanipula-tions de ce système. Le système nerveux assure un contact entre les deux types d’or-ganes les récepteurs sensoriels et les effecteurs, et il combine d’une manière automatique ces deux éléments par les nerfs après que le message a été en avance intégré par des centres nerveux, où sont traitées les informations. Le système est organisé comme suit :

Récepteurs sensoriels : qu’ils soient externes ou internes, le rôle de récepteur est de prendre le stimulus et de le transformer en message nerveux.

Fibres nerveuses : ils garantissent la transmission du message nerveux. On trouve des fibres spécifiques dans la conduction de messages arrivant (ou partant du)au centre nerveux.

Centres nerveux : ils accueillent des messages nerveux et déve-loppent une réponse appropriée.

Effecteurs : ce sont des muscles ou des glandes, qui établaient la réponse après l’accueil du message nerveux arrivant des centres nerveux.

Le système nerveux s’exprime en réseaux neuronaux (Figure1.1), qui transmettent le message nerveux de cellule en cellule par des points de liaison nommés des synapses, et ce jusqu’aux cellules effectrices.

Figure 1.1 – Schéma des connexions neuronales [DOCTISSIMO 2019].

Un neurone est une cellule nerveuse dont le rôle est de raccorder les messages nerveux. Il reçoit et transmet les messages d’une cel-lule à l’autre d’une manière spécifique qui est connexe à sa forme. Les neurones disposent les trois éléments de base : l’axone, le corps cellulaire et les dendrites.

Les dendritessont de petits branchements autour du corps cellu-laire. Ils dirigent l’influx nerveux vers ce dernier.

Le corps cellulaire est l’élément central du neurone, borné par la membrane cellulaire et comportant le cytoplasme et le noyau.

L’axone est l’élément le plus long d’un neurone. C’est par cette forme que l’influx est diffusé à l’extérieur du corps cellulaire. Il contient une gaine isolante nommée gaine de myéline. Les termi-naisons nerveuses se situent au bout de l’axone.

iii) Propriétés du message nerveux On trouve ces caractéristiques :

Signaux électriques se transmettant rapidement

La stimulation d’un récepteur sensoriel nous autorise à remarquer l’envoi d’un message nerveux sous forme de signaux électriques, dont les propriétés sont liées à l’intensité et à la durée de la stimu-lation.

Le potentiel complet du nerf correspond à la totalité des potentiels d’actions émises au niveau des neurones et dans les fibres ner-veuses employées lors de la transmission du message. Ce message est codé en modulations de la fréquence d’émission des potentiels d’action au niveau des neurones. Le neurone est imposé à la loi du tout ou rien.

Transmission entre neurones

On remarque la présence de synapses au niveau de l’arborisa-tion terminale des neurones, zones de transport unidirecl’arborisa-tionnel du message nerveux d’un neurone à une autre cellule.

Dans le cas de la transition d’un neurone à un autre, la propagation de l’information se fait d’une manière chimique : les neurotrans-metteurs sauvegardés à l’extrémité d’un neurone présynaptique sont libérés à l’arrivée d’un potentiel d’action et transfèrent l’in-formation au neurone postsynaptique.

Traitement de l’information au niveau des centres nerveux

centres nerveux. Elles constituent des réseaux neuroniques, dans lesquels le message peut être diffusé en :

Circulation divergente : si un neurone présynaptique crée des sy-napses avec de nombreux neurones postsynaptiques.

Circulation convergente : si plusieurs neurones présynaptiques créent des synapses avec un neurone postsynaptique.

Au niveau des centres nerveux, il existe un processus d’intégra-tion, et on remarque que le message est changé d’une manière lé-gère à ce niveau, avant d’être envoyé aux effecteurs. Il y a addition, comparaison et suppression de données avant la transmission des ordres qui sont également codés sous forme messages nerveux. b) Algorithme de Communication Neuronale

Algorithme de Communication Neuronale (NCA) utilise la commu-nication neuronale inspirée par le comportement des neurones bio-logiques, NCA a été présenté par les auteurs [Ardalan-Asl 2017]. La convergence de l’algorithme de communication neuronale au maxi-mum global (minimaxi-mum) peut être améliorée par des neurones dotés de connexions efficaces. Chaque neurone a une communication neuro-nale avec ses voisins, il reçoit et analyse les données provenant de ses voisins. Si la conséquence finale est adéquate, elle sera transmise aux voisins immédiatement connectés. Converger vers le maximum glo-bal (minimum) est l’objectif de l’approche NCA. Pour cela, les neu-rones changent d’emplacement vers un nouvel emplacement plus per-formant, c’est-à-dire les neurones n’ont pas d’emplacement fixe. Au premier pas de l’algorithme, les neurones sont distribués aléatoire-ment dans l’espace de recherche et chacun des neurones est lié à des voisins. Après, la valeur de la fonction fitness de tous les neurones est calculée. En fait, à chaque itération, si l’algorithme NCA peut trou-ver la nouvelle position des neurones, l’algorithme controu-vergera trou-vers le maximum global (minimum). Dans NCA et pour le mouvement des neurones, chaque neurone peut renseigner les voisins de sa position et de la valeur de sa fonction fitness.

L’interaction entre chaque neurone et la population neuronale se fait selon la procédure suivante :

- Les voisins envoient la position et la valeur de la fonction de fitness au neurone.

- Si la valeur de la fonction fitness du j^ième voisin est inférieure (su-périeure) à sa contrepartie du i^ième neurone, celui-ci aura tendance à s’approcher du j^ièmevoisin.

- Si la valeur de la fonction fitness du j^ième voisin est supérieure (in-férieure) à sa contrepartie du i^ième neurone, celui-ci aura tendance à s’éloigner du j^ièmevoisin.

Le i^ème neurone se déplace d’une position avec une valeur de fonction de fitness supérieure (inférieure) à une position avec une valeur infé-rieure (supéinfé-rieure).

NCA est capable de diriger le neurone vers la meilleure position en uti-lisant la fonction pondérée en accord à la valeur de fonction de fitness de ses voisins.

À chaque itération de l’algorithme, les nouveaux voisins d’un neurone identifié doivent être sélectionnés selon une fonction aléatoire

pondé-rée. En fait, la sélection aléatoire réduit la possibilité de se piéger dans les minima locaux et obtient de nouvelles informations, ces dernières aident à changer le chemin et à converger vers le minimum global. L’algorithme NCA (Algorithme1.14) est représenté en quatre sous-programmes, il permet de diriger les neurones au minimum (maxi-mum) global. À chaque itération et dans le premier pas, les nouveaux voisins du i^ème neurone sont sélectionnés aléatoirement. Ensuite, la nouvelle position du i^ème neurone est obtenue en utilisant la valeur de la fonction de fitness de ses voisins. Par conséquent, si la nouvelle position est meilleure que la précédente, il sera considéré comme la nouvelle position du i^ème neurone.

Algorithme 1.14Algorithme de Communication Neuronale