Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
68<br />
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents<br />
Ainsi, Aityan [[1]] a montré qu’il était<br />
possible de simuler une fonction XOR<br />
dans un réseau monocouche récurrent<br />
de trois neurones réfractaires. Dans ce<br />
type de réseau, les neurones ont un<br />
comportement dynamique, et c’est<br />
l’état final du réseau, après<br />
stabilisation de ces dynamiques sur un<br />
point fixe, qui encode la réponse du<br />
réseau. Nous verrons que l’utilisation<br />
de réseaux possédant une fonction de<br />
transfert en sortie, qui peut être<br />
assimilée à une période réfractaire,<br />
permet de déstabiliser un réseau en<br />
provoquant des ondes se propageant<br />
dans le réseau, et peut engendrer<br />
l’apparition de vortex (Figure 7-22,<br />
p.164).<br />
3.2.2 Modèle de neurone à dynamique propre<br />
On dira qu’un neurone possède une dynamique propre s’il possède la capacité de<br />
maintenir une dynamique sans stimulation externe. De tels modèles peuvent produire un<br />
comportement dynamique en étant isolés.<br />
1. Modèle à rétroaction<br />
Certains modèles à mémoire, dont le poids est une fonction du retard( si il existe une<br />
m<br />
fonction f telle que w = f ( m)),<br />
peuvent être simplifiés.. Ainsi, par exemple, si :<br />
ij<br />
ij<br />
m<br />
wij la sortie du neurone peut être ramenée à :<br />
m<br />
i i<br />
= ( 1-m ). m ,<br />
x ( t) = ( 1- m ) x ( t) + m . x ( t-D t)<br />
,<br />
i i i i i<br />
ce qui correspond à une rétroaction sur le neurone.<br />
Ainsi, un modèle à mémoire, coûteux en utilisation de mémoire lors de son<br />
implémentation informatique, peut être parfois ramené à un simple modèle récurrent,<br />
moins coûteux. De la même façon, les modèles de neurones possédant une rétroaction<br />
peuvent être assimilés à des modèles à mémoire [[202]], car leur nouvel état dépend de<br />
leurs itérations passées.<br />
PREMIERE PARTIE : ANALYSE<br />
Figure 3-2 : Influence de la période réfractaire<br />
Dans le cas d’un neurone dont la sortie est mise<br />
à un dès que le potentiel dépasse un seuil,<br />
l’ajoût d’une période réfractaire évite la<br />
saturation, et entraine le neurone sur une<br />
activité périodique.