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.
54<br />
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents<br />
voir l’effort conscient que nous sommes obligés de réaliser pour maintenir notre attention<br />
sur une image mentale. Celle-ci finit toujours par s’évanouir.<br />
Cette remarque illustre la limite des architectures actuelles, qui tendent à se figer dans<br />
l’état souhaité, qu’il soit dynamique ou non. Dans un tel cadre, aucune autonomie du<br />
système n’est possible, puisque celui-ci ne peut pas, en interne, modifier l’état dans<br />
lequel il s’est mis. Comme nous le verrons, l’approche réalisée dans cette thèse, qui<br />
utilise ce principe de ‘dépersévération’, est compatible avec une certaine définition de<br />
l’autonomie (Vers une maximisation de l’autonomie, p.108).<br />
4. Catégories isochrones.<br />
Ce type d’encodage est l’application de la propriété de synchronisation par<br />
perturbation des systèmes attractifs (5, Synchronisation par perturbation, p.44). L’idée<br />
consiste à tracer les fibres qui partent de l’attracteur, variétés de l’espace d’état, de telle<br />
façon que l’ensemble des points contenus dans une fibre soient tous en phase avec le<br />
point à l’intersection de l’attracteur et de la fibre.<br />
Pour tracer cette fibre, il suffit de<br />
perturber fortement le système<br />
dynamique, tout en le laissant dans<br />
son bassin d’attraction, et de le laisser<br />
revenir vers l’attracteur, en<br />
mémorisant la succession des états<br />
x(t) pris par ce point, puis de laisser ce<br />
point réaliser plusieurs tours au<br />
voisinage l’attracteur. Dès lors, pour<br />
connaître les fibres passant au<br />
voisinage du point x0 de l’attracteur, il<br />
suffit de prendre l’ensemble des points<br />
mémorisés x(t) contenus dans une<br />
boule de rayon e, centrée sur x0, puis<br />
de dérouler le temps à l’envers pour<br />
chacun de ses points (Figure 2-20).<br />
L’avantage de la connaissance de<br />
ces fibres, est de pouvoir quantifier le<br />
degré de synchronisme atteint par un<br />
ensemble de points perturbés : si les<br />
fibres isochrones sont écartées, il y a de grandes chances que, pour une perturbation<br />
donnée, l’ensemble des points de l’attracteur soient contenus dans le voisinage d’une<br />
même fibre, et restent donc synchronisés. Par contre si ces fibres sont rapprochées, une<br />
perturbation aura plus de chance de répartir les points entre plusieurs fibres isochrones,<br />
et donc de désynchroniser le système.<br />
L’apprentissage peut dès lors s’interpréter par une modification de la géométrie de ces<br />
fibres dans l’espace d’état du système. De cette façon, à un concept bien mémorisé<br />
correspond une fibre isochrone isolée, puisque de nombreuses perturbations du système<br />
pousseront le système au voisinage de cette fibre. Cette interprétation peut permettre de<br />
comprendre pourquoi des associations libres peuvent nous remémorer des données, ou<br />
PREMIERE PARTIE : ANALYSE<br />
Figure 2-20 : Fibres isochrones<br />
Pour un système dynamique stabilisé sur son<br />
attracteur, les fibres isochrones de cet attracteur<br />
sont les lignes dont les points sont des états du<br />
système en phase les uns avec les autres.