Identifiant pérenne de la notice : 247843210
Notice de type
Notice de regroupement
Note publique d'information : Le modèle que nous proposons dans cette thèse s'inscrit dans le cadre général de l'apprentissage
non supervisé de séquences temporelles par des réseaux de neurones. Apres un parcours,
que nous tentons de rendre exhaustif, de l'ensemble des contributions sur l'apprentissage
de séquences temporelles par des modèles connexionnistes, nous formalisons le fonctionnement
de cellules qui, connectées en réseau, peuvent constituer un système dynamique autonome:
chaque cellule peut être à tout instant dans un mode d'activité spontané (sa sortie
est indépendante de son voisinage pré-synaptique, elle peut être issue d'un générateur
aléatoire ou régulier - une horloge par exemple) ou évoqué (sa sortie est obtenue
par seuillage de son potentiel de membrane). Un tel réseau reconnait une séquence
temporelle lorsque les cellules qui le composent ont un comportement déterministe
en résonance avec la séquence d'entrée. Ces mêmes cellules adoptent un comportement
désordonné lorsque l'on présente une séquence inconnue en entrée. Les coefficients
synaptiques sont des temps d'intégration des signaux véhicules par les connexions.
Ils sont l'unique objet de l'apprentissage, l'objectif de cet apprentissage étant
d'obtenir la production et la conservation d'une activité évoquée des cellules du
réseau. Une mesure spatiale de l'activité temporelle du réseau est donnée, permettant
de distinguer les séquences entre elles. Un exemple de réseau est proposé pour l'apprentissage
et la reconnaissance de séquences temporelles de dimension 2 moyennant la définition
d'un critère de reconnaissance adapte. Le modèle défini se caractérise par sa rapidité
d'apprentissage, ses possibilités d'apprentissage et de reconnaissance de séquences
complexes, ses possibilités de reconnaissance de séquences bruitées ainsi que d'apprentissage
de séquences bruitées.
paprika.idref.fr
data.idref.fr
Documentation
