Colloque

Catégorisation adaptative et réseaux de neurones

Robert Proulx

Membre a labase

Robert Proulx

Résumé du colloque

L’un des aspects fondamentaux du fonctionnement des systèmes naturels de traitement de l’information est sans doute leur capacité de catégorisation. En effet, très tôt dans leur existence, les systèmes biologiques apprennent à détecter les caractéristiques distinctives des objets et des situations de leur environnement et à les classifier correctement, une pour réduire l’ambiguïté et la complexité du contexte dans lequel ceux-ci évoluent. De plus, cette capacité semble être un processus adaptatif, lequel opère de façon complètement auto-organisée. Ce qui a trait à la modification théorique lors de processus cognitifs, il apparaît que réduire de surcroît vers les modèles basés sur les opérations de réseaux de neurones auto-associatifs non supervisés. En effet, en plus de la simplicité, ces modèles sont les seuls à proposer des modèles d’opération compatibles avec les contraintes sous lesquelles les systèmes biologiques doivent opérer. Dans cet exposé, nous passons en revue les principes à la base du fonctionnement d’un réseau auto-associatif développé dans notre laboratoire et proposé pour expliquer les processus de la catégorisation adaptative chez les organismes vivants. Plus spécifiquement, il est démontré que l’emploi d’une règle d’apprentissage de type hebbien/anti-hebbien permet au système de se développer de façon autonome et de converger vers des états stables représentants les diverses catégories des objets de son environnement. De plus nous présentons les résultats de simulation de plusieurs cas typiques en reconnaissance de forme qui montrent que le système est parfaitement en mesure de reproduire les capacités de généralisation et la robustesse à la base de la catégorisation chez les êtres vivants. La discussion porte sur les limites du modèle, de même que sur ses avantages par rapport aux autres types de réseaux neuronaux.