Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
168<br />
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents<br />
x ( t+ dt) = ( - dt) x () t + dt. F( X (), t X (),..., t X ()) t<br />
i 1 i 1 2 N<br />
Ce type de réseau est un intermédiaire entre le modèle continu et le modèle discret, et<br />
nous offre en effet des dynamiques plus lisses. Mais quel dt choisir ? Pour un taux de<br />
discrétisation faible, on approche le modèle continu, mais les équations du réseau deviennent<br />
presque linéaires, amenant les dynamiques du réseau vers des points fixes. Et, pour un taux trop<br />
élevé, on se ramène au cas discret, où les dynamiques ne sont plus lisses. De tels comportements<br />
ont été étudiés par Renals [[164]] qui a mis en évidence le caractère bifurquant de dt.<br />
1. Caractère bifurquant du gain<br />
Figure 7-27 : avec pente de 43/64<br />
Pour deux conditions initiales proches, sont tracées les dynamiques des quatres neurones<br />
grisés de la matrice 8x8 des neurones. Après une phase de sensibilité aux conditions initiales,<br />
les dynamiques se stabilisent sur le même attracteur, avec un déphasage.<br />
Dans les réseaux simulés, nous avons en général pris dt=0,1 et avons augmenté la<br />
pente de la fonction neurone. Nous nous sommes rendus compte qu’il était difficile de<br />
savoir sur quel régime allait se stabiliser le réseau, même en prenant de fortes valeurs<br />
pour cette pente. En prenant un réseau de 64 neurones, à différences finies, à poids<br />
aléatoires, et, en augmentant la pente de la fonction neurone, nous avons facilement pu<br />
obtenir des comportements qui nous semblaient chaotiques. Afin de le vérifier, nous<br />
avons cherché à observer la dépendance aux conditions initiales de ce réseau. Nous<br />
avons en effet rapidement pensé être face à comportement chaotique du réseau,<br />
puisqu’une variation de 10 -8 des conditions initiales faisait diverger les dynamiques du<br />
réseau (Figure 7-27). Mais, après cette phase chaotique, les deux réseaux se<br />
TROISIEME PARTIE : RESULTATS