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 />
4. APPRENTISSAGE DANS LES RESEAUX RECURRENTS<br />
La mémoire est une forme de l’habitude, et l’habitude est une<br />
caractéristique du système nerveux, bien qu’elle puisse exister ailleurs,<br />
par exemple dans un rouleau de papier qui s’enroule à nouveau une fois<br />
déroulé.<br />
Bertrand Russell. Science et Religion. p 98<br />
4.1 Introduction : Reproduire un état passé<br />
Qu’est-ce qu’apprendre ? Est-ce la capacité de reproduire une information enregistrée ?<br />
Dans ce cas, une cassette audio ou vidéo, une mémoire d’ordinateur, ou même une feuille<br />
blanche sont douées de capacité d’apprentissage. Doit-on ajouter à la définition d’apprentissage<br />
des notions de plus haut niveau comme celles de classification, d’organisation, ou d’agencement<br />
des données apprises ? Dans ce cas, une base de données vérifie ces propriétés. Faut-il alors<br />
qu’il y ait réutilisation des données apprises pour la résolution de tâches complexes ? Où s’agit-il<br />
d’un phénomène d’aussi bas niveau que celui du papier qui s’enroule de nouveau ? Il semble<br />
qu’existent plusieurs définitions de l’apprentissage, chacune caractérisant un type particulier de<br />
l’utilisation de la mémoire : mémoire de travail, mémoire échoïque, mémoire de rappel, mémoire<br />
de reconnaissance... Mais quelle est la composante commune à ces définitions?<br />
Cette composante commune sera l’une des propriétés recherchées dans cette thèse, qui<br />
sera ramenée à la définition bas-niveau :<br />
Un stimulus est mémorisé par un système si ce système peut reproduire l’état interne<br />
qu’il avait lors de la perception de ce stimulus.<br />
Cette reproduction d’une information passée doit être possible soit de façon spontanée par<br />
le système, soit par présentation partielle ou bruitée de l’état à retrouver. Cette définition du<br />
phénomène de mémorisation permet d’utiliser l’ensemble des recherches réalisées dans le cadre<br />
de l’apprentissage de séries temporelles : le système doit chercher à reproduire la dynamique<br />
dans laquelle une perturbation passée l’a déjà mis. Comme nos réseaux sont récurrents, quelques<br />
règles peuvent être proposées, développées ces dernières années, dont les principales sont le<br />
Back Propagation Trough Time et le Real Time Recurrent Learning. Malheureusement, ces règles<br />
ne sont pas plausibles biologiquement. Nous essaierons donc de décrire les bases de ces règles,<br />
APPRENTISSAGE DANS LES RESEAUX RECURRENTS 79