N2S3 est un simulateur de réseaux de neurones physiques permettant de modéliser différentes topologies de réseaux neuronaux avec divers modèles de synapses et de neurones. Il offre des outils pour simuler des processus d'apprentissage, analyser l'activité neuronale et tester des algorithmes bio-inspirés. Le projet inclut des exemples concrets comme la simulation de jeux de données MNIST ou FMNIST, et propose une interface pour configurer et déployer des expériences.

Ce projet développe des méthodes pour compresser progressivement les couches de réseaux de neurones convolutifs à impulsions, réduisant leur complexité tout en préservant leurs performances. Il permet de simuler des architectures neuronales avancées, d'extraire et d'adapter les poids pour des déploiements sur des plateformes matérielles spécialisées comme SpiNNaker. Les outils proposés facilitent l'optimisation et le transfert de modèles entre différents environnements de simulation et de calcul.

N2S3 est un simulateur de réseaux neuronaux permettant de simuler différentes topologies de réseaux neuronaux physiques en utilisant différents modèles de synapses et de neurones.

Projet dédié à la conception et à la simulation de perceptrons analogiques, une approche innovante en intelligence artificielle inspirée des mécanismes biologiques. Il permet d'explorer des architectures neuronales non numériques pour des applications en apprentissage automatique et en traitement de données. Le projet vise à offrir une plateforme flexible pour tester des modèles inspirés du fonctionnement cérébral, avec un accent sur l'analogique et la physique des systèmes.

Ce projet permet de reproduire et d'analyser des simulations de modèles neuronaux basés sur des articles scientifiques. Il génère des figures et des données pour valider des hypothèses biologiques, notamment sur le fonctionnement des neurones et des synapses. Les résultats sont utilisés pour des publications ou des études en neurosciences computationnelles.

Le simulateur N2S3 a pour objectif de simuler différentes topologies de réseaux neuronaux physiques en utilisant différents modèles de synapses et de neurones.

Projet dédié à la simulation de réseaux de neurones artificiels et à l'étude des règles d'apprentissage biologiques. Il permet de modéliser des comportements neuronaux pour des applications en neurosciences computationnelles et en intelligence artificielle. Les utilisateurs peuvent explorer des architectures neuronales et tester des hypothèses sur les mécanismes d'apprentissage.

Ce projet développe des réseaux de neurones artificiels homogènes pour étudier et simuler des architectures neuronales complexes. Il vise à améliorer la compréhension des mécanismes d'apprentissage et d'adaptation dans les systèmes intelligents. Les applications potentielles incluent la robotique, l'analyse de données et la modélisation cognitive. Le code est open source et collaboratif, permettant aux chercheurs et développeurs d'expérimenter et de contribuer aux avancées en IA.

DREADDs est un projet dédié à l'analyse et à la modélisation de données biologiques, en particulier dans le domaine des réseaux neuronaux. Il offre des fonctionnalités avancées de simulation et d'analyse de ces réseaux, permettant ainsi de mieux comprendre leur fonctionnement et leur dynamique.