Corps cellulaire (Soma) : La partie centrale d'un neurone, comprenant le noyau et les organites, est le centre de contrôle métabolique et génétique de la cellule.

Dendrites : Structures ramifiées s'étendant du corps cellulaire. Leur surface est recouverte de synapses. Elles sont principalement chargées de recevoir les signaux des autres neurones.

Axone : fibre longue et fine qui s'étend du corps cellulaire et est responsable de la transmission des signaux électriques à d'autres neurones ou cellules musculaires.

Synapse : Le point de connexion entre les neurones, constitué de la membrane présynaptique (l'axone terminal du neurone émetteur), de la fente synaptique (le petit espace entre deux neurones) et de la membrane postsynaptique (réceptrice des dendrites ou corps cellulaires des neurones).

Potentiel de repos : Lorsqu'un neurone n'est pas stimulé, il existe une différence de potentiel entre l'intérieur et l'extérieur de la membrane cellulaire, qui est généralement négative (environ -70 millivolts) et est principalement entretenue par la sortie d'ions potassium.

Potentiel d'action : lorsque la dendrite reçoit un signal excitateur d'une force suffisante, le canal ionique sodium s'ouvre et les ions sodium y entrent, provoquant une augmentation du potentiel membranaire jusqu'au seuil (environ -55 millivolts), déclenchant le potentiel d'action.

Conduction électrique : les potentiels d'action se propagent le long des axones à des vitesses allant de plusieurs dizaines à plusieurs centaines de mètres par seconde, déterminées par l'isolation en myéline de l'axone et l'activation séquentielle des canaux ioniques.

Libération de neurotransmetteurs : lorsque le potentiel d'action atteint la terminaison axonale, il provoque l'entrée d'ions calcium dans la cellule, déclenche la fusion des vésicules synaptiques et de la membrane présynaptique et libère des neurotransmetteurs dans la fente synaptique.

Fente synaptique : les neurotransmetteurs diffusent à travers la fente synaptique jusqu'à la membrane postsynaptique. Ce processus est très rapide, généralement de l'ordre de quelques millisecondes.

Liaison aux récepteurs : les neurotransmetteurs se lient à des récepteurs spécifiques de la membrane postsynaptique, provoquant l'ouverture ou la fermeture des canaux ioniques, modifiant le potentiel membranaire et générant des potentiels postsynaptiques excitateurs ou inhibiteurs.

Intégration des signaux : la dendrite d'un neurone postsynaptique peut recevoir des signaux provenant de plusieurs axones. Ces signaux sont intégrés au niveau du corps cellulaire pour déterminer si le seuil est atteint pour générer un nouveau potentiel d'action.

Potentialisation à long terme (LTP) : L'efficacité de la transmission synaptique est améliorée grâce à une stimulation excitatrice répétée, qui est l'un des mécanismes clés de l'apprentissage et de la mémoire. La LTP implique une augmentation du nombre de récepteurs membranaires postsynaptiques, une augmentation de la sensibilité des récepteurs et une augmentation de l'efficacité de la libération des neurotransmetteurs par la membrane présynaptique.

Dépression à long terme (LTD) : L'efficacité de la transmission synaptique est affaiblie par des stimulations inhibitrices répétées, contrairement à la LTP. La LTD implique une diminution du nombre ou de la sensibilité des récepteurs membranaires postsynaptiques.

Élagage synaptique : au cours du développement, les synapses inactives sont éliminées et les synapses actives sont renforcées afin de permettre au cerveau de s'adapter aux changements de l'environnement. L'élagage synaptique permet d'optimiser la structure des réseaux de neurones et d'améliorer l'efficacité du traitement de l'information.

Modèle de neurone : les neurones artificiels des ANN (réseaux de neurones artificiels) contiennent généralement des entrées (dendrites), des poids (force des synapses), des fonctions d'activation (simulant l'action des neurotransmetteurs) et des sorties (terminales des axones).

Mise à jour des poids : dans les ANN, les poids sont ajustés par un algorithme d'apprentissage (tel que la rétropropagation) pour minimiser l'erreur de prédiction, similaire à la plasticité synaptique. Le but de la mise à jour du poids est d'améliorer la capacité du réseau à reconnaître les données d'entrée.

Fonction d'activation : La fonction d'activation des ANN simule la réponse non linéaire des neurones, telle que la fonction ReLU (Rectified Linear Unit) ou Sigmoïde, qui détermine si le neurone « s'active » et transmet des signaux. Le choix de la fonction d'activation a un impact important sur la capacité d'apprentissage et les performances du réseau.

Structure du réseau : les ANN peuvent avoir plusieurs couches de neurones pour former des structures de réseau complexes, similaires à l'organisation hiérarchique des neurones dans le cerveau. Les réseaux d'apprentissage profond, tels que les réseaux de neurones convolutifs (CNN) et les réseaux de neurones récurrents (RNN), simulent différents niveaux de traitement de l'information et de traitement des séries chronologiques dans le cerveau.