Thèse Sciences Cognitives - Olivier Nerot

122
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents
Comme nous le verrons, cette période réfractaire peut jouer un grand rôle dans les
capacités de synchronisme du réseau, et dans la diffusion des perturbations induites par
le forçage.
3. Sans dynamique chaotique propre
En postulant, au début de cette thèse, que le chaos est le mode de fonctionnement
global du cerveau, et non pas sa fonction ni son rôle, et le chaos étant vu comme un
comportement émergent, nous éliminerons tout chaos pré-implanté à l’échelle neuronale
(2 Modèle à dynamique chaotique propre, p.69). En effet, dans les études réalisées
utilisant ce modèle [[64]][[104]], le chaos est utilisé comme source de perturbation
interne du neurone, pour permettre au réseau de chercher le plus grand nombre
d’associations possibles entre les activités des neurones. Comme nous le verrons par la
suite, les simples modèles hopfieldiens à récurrence locale, permettent d’engendrer des
dynamiques chaotiques en sortie d’un seul neurone. Il n’est donc pas nécessaire d’
implanter un comportement chaotique à l’échelle du neurone, pour en voir émerger un,
qui peut avoir le même rôle que celui proposé : maximiser les chances de voir des
associations réalisées entre neurones.
De plus, aucune démonstration biologique d’un comportement chaotique propre d’un
seul neurone isolé n’a été réalisée.
4. Apprentissage par forçage
Durant la thèse, la théorie du forçage neuronal s’est progressivement imposée
comme principe central du modèle. Au départ, le forçage avait pour but d’améliorer les
apprentissages dérivés de RTRL, par accélération de l’apprentissage et
resynchronisation du signal appris sur le signal forçant. Puis, par l’étude des
phénomènes induits par ce forçage, celui-ci a été progressivement interprété en termes
de perturbation pour le système, ce qui a permis d’interpréter l’apprentissage comme la
recherche d’une maximisation de l’autonomie du système en interaction avec un
environnement dynamique.
Le forçage de dynamique a donc été systématiquement employé lors du couplage du
modèle connexionniste avec son environnement (limité dans la plupart de nos
expérience à un ‘monde’ de sinusoïdes simples !).
Afin d’intégrer ce forçage au modèle neuronal, nous avons donc ajouté en sortie du
neurone, une entrée provenant de l’extérieur, qui remplace la sortie si l’entrée est forcée,
soit :
5. Système déterministe
x () t = I () t si i est forcé
i i
Nous nous sommes limités dans cette thèse à des modèles déterministes, afin de
pouvoir affirmer que les comportements observés ne sont pas le seul fruit du hasard,
mais véritablement la manifestation de comportements émergents du réseau. En effet,
comme certaines des propriétés observées ne l’ont été que dans un seul réseau, il était
souhaitable d’être sûr que cette propriété n’était pas due à la composante aléatoire du
réseau.
DEUXIEME PARTIE : DEVELOPPEMENT