Abstract FR:

Les réseaux de neurones représentent une des voies possibles pour la réalisation des systèmes dits intelligents, capables d'apprendre, de reconnaître et de classifier des informations de natures et de supports très différents. Au-delà des approches classiques, les modèles des réseaux de neurones que nous proposons ici utilisent d'une manière homogène le temps et l'espace en considérant que l'information incidente est portée à l'entrée du réseau par des signaux spatio-temporels et que le traitement neuronal ne doit pas changer la nature spatio-temporelle de cette information. Le premier modèle de réseau que nous proposons bénéficie de la simplicité et de la robustesse des signaux en impulsions comme support de l'information. L'utilisation des délais synaptiques adaptatifs et des règles d'apprentissage d'inspiration Hebienne permet la mise en oeuvre des mécanismes d'auto synchronisation synaptique et de reconnaissance partagée des patterns complexes d'impulsions. Une autre famille de modèles, plus évoluée, est celle des réseaux spatio-temporels. Les principales caractéristiques sont l'organisation hiérarchique de l'architecture en assemblées, groupes et neurones, le caractère local, continu et non-supervise de l'apprentissage, la considération d'une topologie spatiale intrinsèque, au nombre variable de dimensions et, dernièrement, mais pas le moins important, un fonctionnement temporel du réseau base sur des délais synaptiques variables. La structure du réseau est traversée par deux flux d'information: le flot longitudinal oriente de l'entrée vers la sortie et le flot latéral, dans chaque assemblée, produit par les interactions neuronales latérales. Les expériences d'application effectuées, telles que la reconnaissance de l'écriture manuscrite, de la parole ou des trajectoires d'objets dans un flot vidéo sont autant de confirmations de la versatilité et des fonctionnalités offertes par les architectures spatio-temporelles étudiées