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.
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents<br />
l’apprentissage dans des réseaux récurrents, et la plausibilité biologique de cette approche. Dans<br />
les deux cas (connexionniste et biologique), la dimension de l’attracteur cérébral diminue lors de<br />
la reconnaissance d’un stimulus 56 . Ainsi, l’application d’une règle hebbienne réalise cette<br />
diminution de la dimension fractale de l’attracteur du réseau.<br />
Malheureusement, un tel encodage ne peut pas être appliqué en permanence dans le<br />
réseau dans les cas où l’évolution des poids suit une loi symétrique telle que dwij = dw ji . En<br />
effet, une telle règle tend à symétriser les poids, et donc amène le réseau vers un point fixe.<br />
Ainsi, par exemple, en reprenant le réseau dont quelques attracteurs ont été tracés sur la<br />
Figure 7-2, qui est un réseau Hopfieldien classique (sans délai, ni mémoire), un apprentissage<br />
hebbien, avec w10=w01, modifie les attracteurs locaux (Figure 8-1). Mais si l’on continue ce même<br />
apprentissage, les attracteurs convergent tous vers un point fixe (Figure 8-2). De la même façon,<br />
les poids sont symétrisés dans un réseau à délais, amenant les dynamiques sur des points fixes.<br />
Figure 8-2 : Evolution de l'attracteur du neurone 3-0<br />
Afin d’éviter cette symétrisation des poids, nous avons choisi des variations de poids<br />
évitant la saturation des neurones à 1 ou 0, et l’empêchant ainsi d’aller vers un point fixe. Dans ce<br />
but, nous avons fixé w11 à une valeur négative qui empêche les neurones de converger vers 1, et<br />
w00 à une valeur positive afin d’éviter sa convergence vers 0. De plus, en fixant w10 à une valeur<br />
positive, cela tend à diffuser dans le réseau les zones excitées.<br />
Dans un tel réseau, nous avons initialisé l’ensemble des poids et des états à zéro, puis<br />
nous avons forcé à 1 le carré central 16x16 d’un réseau 128x128. La Figure 8-3 montre l’état<br />
56 Malgré la remise en cause de la validité des calculs de dimension fractale dans les attracteurs<br />
biologiques[[140]][[189]], nous pouvons considérer que les estimations de diminution de ces dimensions<br />
restent valides.<br />
ANTICIPATION DU FORÇAGE DES DYNAMIQUES 187