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