Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé du colloque
Les modèles connexionnistes sont d'un grand intérêt en sciences cognitives. Ils représentent une voie prometteuse quant à leur capacité explicative de phénomènes dits intelligents. Parmi ces modèles figurent les non-supervisés qui ont l'avantage d'être, jusqu'à un certain point, plausibles à un niveau biologique. Les modèles auto-associatifs non supervisés sont des modèles de la mémoire qu'on apprenne que par la simple présentation d'une seule entrée. Le modèle Eidos fait partie de cette classe de modèles; il se veut explicatif du phénomène de la catégorisation chez les organismes. Il est caractérisé par une règle d'apprentissage qui comporte une composante hébbienne à une autre anti-hébbienne. Comme tout bon modèle de classification, il doit apprendre en environnement bruité. Cependant, des anomalies surviennent dans cette situation et pour les résoudre, un paramètre d'oubli a été introduit dans le modèle. Lorsque bien réglé, ce paramètre permet la discrimination entre signal et bruit. Malheureusement, une détermination analytique des bornes de fonctionnement du paramètre montre un rétrécissement progressif de l'intervalle, et cela au fur et à mesure qu'augmente le nombre de stimuli à apprendre. Cela implique la conclusion de non-plausibilité du modèle tel qu'il est formulé actuellement. Néanmoins, certaines solutions peuvent être envisagées.
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.