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 consiste en une collection de notebooks Jupyter, de fichiers R et Python dédiés à l'analyse et à la visualisation des données d'un étude sur les neurones projetant dans le bulbe olfactif de la souris. Le référentiel contient des analyses transcriptomiques standard de neurones projetants, une inférence de réseaux de gènes régulateurs, une analyse de réseaux de gènes régulateurs et une simulation de données unicellulaires à partir de données de séquençage d'ARN en vrac.

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.

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.

Ce projet académique propose des ressources pédagogiques pour un cours sur les accélérateurs matériels dédiés aux réseaux de neurones profonds. Il inclut des codes sources pour l'exploration de noyaux GEMM, des exemples de simulation et synthèse VHDL, ainsi que des supports de cours couvrant la conception de circuits logiques et les principes des réseaux de neurones. Destiné aux étudiants en master, il facilite l'apprentissage pratique des architectures matérielles pour l'accélération des calculs.

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.

Ce projet développe des modèles de réseaux de neurones dédiés à la correction de phase dans des systèmes optiques complexes, notamment pour des réseaux de lasers. Il permet de simuler des mesures, d'entraîner des algorithmes d'apprentissage automatique pour optimiser la qualité des faisceaux lumineux, et de générer des données synthétiques pour des applications en photonique. Les outils proposés facilitent la recherche et l'expérimentation dans le domaine de l'optique adaptative.

Ce projet développe des outils avancés pour la modélisation et la simulation de réseaux de neurones profonds. Il vise à faciliter la recherche en intelligence artificielle en offrant des solutions pour l'entraînement, l'optimisation et l'évaluation de modèles prédictifs complexes. Destiné principalement aux chercheurs et ingénieurs en IA, il permet d'explorer des architectures innovantes et d'accélérer le développement de solutions basées sur l'apprentissage automatique.

Postex est un projet open source dédié à la gestion et au contrôle de multiplexeurs électroniques pour des applications avancées comme la détection d'angles articulaires ou la simulation de réseaux de neurones. Il inclut des outils pour tester des tissus intelligents et prototyper des armures 3D imprimées, combinant électronique, intelligence artificielle et fabrication additive.