Thèse Sciences Cognitives - Olivier Nerot

Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents
6.1 INTRODUCTION 128
6.2 L'ORDINATEUR PARALLELE DEC-MPP12000 129
6.3 LE LOGICIEL DE MODELISATION 129
6.3.1 FENETRES INITIALES AU LANCEMENT 129
6.3.2 CONSTRUCTION DU RESEAU 130
1. Architecture ..............................................................................................................................130
a. Entrées du réseau ..................................................................................................................130
b. Taille et voisinage .................................................................................................................131
2. Modèle neuronal .......................................................................................................................132
a. Fonctions H et S ....................................................................................................................132
b. Fonction neurone s ...............................................................................................................133
3. Paramétrisation en temps réel ...................................................................................................134
6.3.3 ANALYSE DU RESEAU 135
1. Sorties du réseau .......................................................................................................................135
2. Analyse fréquentielle du réseau .................................................................................................136
3. Suivi d’un attracteur .................................................................................................................136
4. Cartes de bifurcation .................................................................................................................137
5. Mesures sur un neurone ............................................................................................................139
6.4 CONCLUSION 139
7. DYNAMIQUES OBSERVEES ET EXPERIMENTEES 143
7.1 INTRODUCTION 143
7.2 DYNAMIQUE DES MODELES A PARAMETRES FIGES 144
7.2.1 RESEAUX SIMPLES : MODELES RECURRENTS SANS MEMOIRE 144
1. Matrice de connexion aléatoire .................................................................................................144
a. Vers une activité locale .........................................................................................................145
b. Une activité chaotique ...........................................................................................................146
c. Synchronisme local ...............................................................................................................147
d. Synchronisation et clustering fréquentiel par forçage ............................................................149
7.2.2 RESEAUX A MEMOIRE 151
1. Modèles à délai .........................................................................................................................151
a. Augmentation de la taille des clusters d’activité ....................................................................152
b. Plusieurs attracteurs par neurone...........................................................................................154
2. Modèles à atténuation ...............................................................................................................157
a. Mise en phase de clusters ......................................................................................................157
b. Nature fractale des attracteurs atteints ...................................................................................158
c. Autosimilarité de l’attracteur .................................................................................................159
d. Accrochage de fréquences entre neurones .............................................................................160
7.2.3 RESEAU HOPFIELDIEN AVEC FONCTION DE SORTIE 162
1. Matrice de connexion isotrope excitatrice..................................................................................162
2. Matrice de connexion aléatoire .................................................................................................164
7.2.4 RESEAU HOPFIELDIEN A DIFFERENCES FINIES 167
1. Caractère bifurquant du gain .....................................................................................................168
7.3 PARAMETRES BIFURQUANTS 173
7.3.1 VARIATION DU GAIN 173
1. Dans un modèle à délais ...........................................................................................................173
2. Dans un modèle à atténuation ...................................................................................................175
7.3.2 VARIATION DU COEFFICIENT DE RETROACTION 180
7.3.3 VARIATION DES DELAIS 181
7.4 CONCLUSION 183
TABLE DES MATIERES IX