23.06.2013 Views

Thèse Sciences Cognitives - Olivier Nerot

Thèse Sciences Cognitives - Olivier Nerot

Thèse Sciences Cognitives - Olivier Nerot

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents<br />

5. Mesures sur un neurone<br />

Pour chaque sonde, l’utilisateur a<br />

accès à plusieurs affichages et<br />

résultats : visualisation de la série<br />

temporelle, de sa transformée de<br />

Fourier, et son histogramme. Dans le<br />

cas où la série temporelle résulte d’un<br />

calcul de bifurcation, la simple<br />

sélection d’une portion de l’évolution<br />

de la série trace la fft et l’histogramme<br />

correspondants.<br />

Comme on peut le voir, l’outil a été<br />

pensé pour que, de chaque fenêtre de<br />

résultat, l’utilisateur ait la possibilité de<br />

tracer tous les résultats des calculs<br />

correspondants. La sélection d’un<br />

neurone dans la fenêtre des sorties<br />

affiche tous les paramètres<br />

correspondant à ce neurone, ses<br />

sorties, et ses entrées. Si ce neurone<br />

est une sonde, l’attracteur<br />

correspondant est tracé. Dans le cas<br />

Figure 6-14 : Mesures d'une sonde<br />

où cet attracteur résulte de la<br />

superposition de plusieurs, il suffit de sélectionner la valeur du paramètre voulu sur la<br />

carte de bifurcation, pour afficher l’attracteur correspondant, sa fft, et son histogramme.<br />

De cette façon, il est possible de voir l’ensemble des résultats portant sur chacun des<br />

neurones du réseau.<br />

6.4 Conclusion<br />

L’outil logiciel développé a totalement rempli son rôle : son ergonomie, et sa puissance de<br />

calcul ont permis de simuler un très grand nombre de réseaux, parfois complexes et de très<br />

grande taille, et d’en analyser les principales propriétés. C’est grâce au grand nombre de fenêtres<br />

de visualisation des mesures sur les sorties du réseau, et à leur interdépendance, qu’ont pu être<br />

mis en évidence les propriétés de diffusion, de modularisation, de clustering fréquentiel, et de<br />

mise en phase des populations neuronales, qui sont à l’origine du modèle théorique de mémoire<br />

proposé auparavant. Certains calculs manquent, en particulier ceux portant sur les dimensions<br />

fractales. Mais l’ensemble des algorithmes testés se sont avérés inefficaces, certains donnant<br />

même des résultats incohérents (diminution de la dimension fractale en augmentant la dimension<br />

de plongement). Dans le cadre actuel de cette thèse, qui se limite à une approche qualitative,<br />

délimitant quelques architectures répondant aux besoins imposés par le modèle théorique, cette<br />

lacune peut être considérée comme secondaire dans un premier temps. Mais nous espérons<br />

néanmoins pouvoir la combler dès qu’une méthode de calcul fiable de ces dimensions aura été<br />

UN MODELE CONNEXIONNISTE DE LA MEMOIRE 139

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!