Résumé:
Ce travail s’inscrit dans le cadre général de la modélisation de systèmes neuromimétiques capables d’évoluer dans des environnements temporels.
Il s’agit d’un travail où nous voulions voir quelles étaient les grandeurs et servitudes d’une représentation temporelle de l’information : intuition d’efficacité de traduction matérielle (analogique par le temps), spécificité d’une dimension » causale » pour représenter l’information et enfin espoir de » facilités » de représentation de formes spatio-temporelles (séquences).
Partant de réseaux en impulsions, la nécessité de pouvoir modéliser la phase d’apprentissage nous a fait évoluer vers une rétropropagation modifiée mais en faisant disparaître la structure en couches au profit d’une organisation longitudinale, ce qui précisément introduisait la sensibilité au temps. Nous avons mis en évidence une caractéristique triviale après coup : le besoin de faire converger, à l’entrée des unités, des informations prélevées à des instants différents.
Les premiers résultats montrent un fonctionnement correct du modèle (convergence vers un attracteur stable) et une faculté non clairement interprétée d’utilisation des cellules cachées en simples unités de retard et/ou en unités de séparation.
Le reste du travail s’esquisse assez naturellement : comparaison avec l’état de l’art concernant les réseaux temporels, exploration des facteurs pertinents de l’architecture proposée et enfin présentation de quelques résultats dans un scénario de reconnaissance vocale. Cette dernière option a été prise à cause de la ressemblance que présentait le réseau étudié, en certaines circonstances, avec le réseau à propagation guidée, qui lui est » à construction explicite « . De choisir la même base d’application permettait de mieux cerner les ressemblances et les différences.