thesis

Categorisation des sequences sensorimotrices : le role de l'inhibition laterale

Defense date:

Jan. 1, 2000

Edit

Disciplines:

Authors:

Directors:

Abstract EN:

Pas de résumé disponible.

Abstract FR:

Les reseaux de neurones doues d'inhibition laterale sont la structure minimale capable d'extraire les caracteristiques essentielles des motifs sensoriels. Ce procede d'inhibition est a la base des systemes sensoriels biologiques. Il est present dans la totalite du systeme nerveux sans exception, et qui plus est, il est present, en ce qui concerne chaque sens, dans les premieres etapes de la perception. Une fois que l'information preponderante est soulignee par le procede d'inhibition laterale, il devient possible de categoriser les sequences perceptives mono et multimodales. Le travail sur des motifs sensoriels reels, qui ont pour origine des images video ou des signaux audio provenant d'un microphone ou encore d'information proprioceptives d'un robot, implique une telle quantite d'information, qu'il ne peut pas etre effectue sans l'accentuation et la categorisation de cette information. Cela a pour but l'elimination de la redondance presente dans la totalite des motifs, et est necessaire pour filtrer le signal original. Une autre option est de realiser une analyse multi-echelle comme il est fait par les ondeletes, ce qui revient a lire le signal en utilisant differentes echelles de resolution ; cette methode ameliore la precision de l'analyse des signaux, mais multiplie la quantite d'information traitee. Inspires de structures biologiques, il apparait une nouvelle forme de reseaux neuronaux appele neuraux mimetiques. On etudiant la structure et l'organisation des organes de sens biologiques, on a pu remarquer que le processus d'inhibition laterale donne une methode generale pour l'extraction de motifs sensoriels : on appellera dans cette these activite relative (r. A. ) les resultats du traitement par l'inhibition laterale. Les reseaux neuronaux utilise cette r. A. Pour extraire des caracteristiques plus importantes de ces motifs sensoriels. Cet type de reseau de neurones montre une architecture minimale et realise un traitement du signal totalement feedforward. En cherchant une application plus globale, on a trouve que l'etude de l'apprentissage non supervise chez les animaux se trouve a la base de la plupart des modeles, modeles inspires de structures composees d'une quantite limitee de cellules interagissant suivant une adaptation du principe de hebb. Ces modeles permettent de comprendre d'une facon satisfaisante les comportement animaux les plus simples, comme l'apprentissage de reflexes conditionnes ou l'apprentissage de reflexes operants ; plus encore ces modeles donnent la possibilite d'apprendre des sequences de comportements reflexes, mais l'apprentissage de sequences est apparement la limite de ce type de structure. L'apprentissage de regles grammaticales, ou plus, l'apprentissage de la semantique a besoin d'une autre classe de structures. Nous proposons une approche originale consistant en une architecture neuronale qui utilise des motifs sensoriels obtenus a partir de l'utilisation de la r. A. , plutot que des signaux bruts. Ce pretraitement donnerait les caracteristiques suivantes : i) une categorisation mono-modale de sequences de motifs reels ii) une categorisation multi-modale de sequences qui utilise comme entree les differentes modalites sensorielles categorisables en i). Pour satisfaire la premiere caracteristique, nous avons mis au point et applique un groupe de cartes autorganisees que nous avons appele ssom (sequential self organisation map), ou chaque carte va categoriser une sequence mono-modale specifique. Une fois que cette categorisation mono-modale a ete faite, les motifs correspondants a differentes modalites sensorielles (les sorties des ssom) sont categorisees. Nous avons appele ce second niveau de categorisation mssom (multi modal sequential self organisation map) permettant une integration sensorielle multi-modale. Ce niveau d'integration n'a pu etre atteint par manque de materiel. La categorisation de motifs mono et multi-modaux est faite en appliquant une regle de probabilite, equivalente a celle utilisee dans hierarchical topological map. Et l'association entre differentes modalites sensorielles est implementee en utilisant la proximite temporale entre deux perceptions, d'une facon similaire a une regle de hebb temporelle.