Thèse Sciences Cognitives - Olivier Nerot

132
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents
sans information afférente. Dans ce cas, l’utilisateur peut forcer ces synapses à 1, à
0, ou à une valeur aléatoire.
2. Modèle neuronal
Figure 6-5 : Choix du modèle neuronal
Après avoir configuré les paramètres du réseau, l’utilisateur peut modifier le modèle
neuronal utilisé. Il a accès aux trois fonctions du modèle (Entrée, Fonction neurone,
Sortie), et au mode de forçage neuronal (Figure 6-5). Ce forçage peut être situé en
entrée, avant ou après la fonction de sortie. Ce forçage est-il déterministe (suit la
fonction de forçage), ou aléatoire (suit une variable aléatoire). Est-il total (tous les
neurones sont forcés) ou partiel, additif (le forçage s’ajoute à la variable forcée) ou non
(forçage réel) ?
C’est à partir de cette fenêtre que sont ouvertes les fenêtres de modification et de
visualisation des fonctions neuronales H, S et s.
Le principe retenu est le même pour chacune de ces fonctions : l’utilisateur choisit une
fonction, définie à l’avance. Cette fonction est définie par des paramètres qui pourront
être modifiés ensuite soit par l’utilisateur (3 Paramétrisation en temps réel, p.134), soit
par apprentissage. Lors de l’apprentissage, la modification de l’un de ces paramètres
peut déformer la fonction associée. Cette modification des paramètres du réseau est
instantanément répercutée à l’affichage : l’utilisateur peut voir en temps réel l’évolution
des fonctions de n’importe quel neurone ou synapse du réseau.
a.Fonctions H et S
Ces fonctions représentent la mémoire du neurone. H est la fonction du neurone
en entrée, c’est à dire le vecteur W des poids synaptiques en fonction du retard (2
Modèle à mémoire en entrée et sortie, p.121).
Ces deux fenêtres possèdent deux objectifs : elles visualisent la fonction du
neurone ou de la synapse choisie, et permettent donc de voir en temps réel
l’évolution des poids synaptiques durant l’apprentissage. Et en superposition sont
affichés les vecteurs d’entrée ou de sortie, qui seront convolués avec les vecteurs
des fonctions neuronales respectives. Pour changer de modèle, il suffit de cliquer sur
TROISIEME PARTIE : RESULTATS