OxoEU

Bon en fait le nombre de neurones par minicolonne est en fait pas du tout inutile, cela sert justement pour la communication avec les autres zones du cerveau/couches...

 

...- en terme de simulation, les réseaux de neurones oscillants (ou toute autre architecture autre qu'en couches) est beaucoup plus coûteuse, car on passe en temps continue. Au lieu d'avoir simplement à faire des multiplications et des additions, il faut maintenant résoudre des équations différentielles non linéaires. Là, je ne suis pas sûr qu'on sache aujourd'hui simuler des dizaines ou des centaines de milliers de neurones en temps réel sur un processeur remarquable dans un insecte.

 

Par contre avec un modèle SNN ce problème ne se pose pas, toutes les opérations ne sont que des aditions/soustractions

Voici toutes les données sur le cerveau https://fr.m.wikiped...bre_de_neurones
Dans le compte des neurones il y a aussi les neurones inhibiteurs et d autres qui n ont jusqu à aujourd hui pas prouvé d utilité, je parle des 80 dans chaque minicolonnes qui codent tous la même chose.
Donc on peut facilement enlever 20% qui est la quantité de neurones inhibiteurs puis diviser par 80, le nombre de neurones par minicolones ce qui fait qu on peut diviser le nombre de neurones dans le cortex par 100...
C est vrai que l espece de guepe repris ne semble pas etre la guepe lambda mais même avec 100k de neurones ca reste amplement possible, même avec des modele SNN (spiking neural network)