Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Filtrer les résultats
Communication
L'introduction dans les modèles connexionnistes non supervisés d'algorithmes d'apprentissage itératifs, lesquels assurent la convergence de la matrice de connexions vers une matrice de projection, a permis à ces derniers de surmonter les difficultés de stabilisation des poids, sans toutefois régler le problème du développement d'attracteurs indésirables correspondants aux combinaisons linéaires des prototypes. Or, pour être efficace, tout modèle de la catégorisation ne doit permettre de stabiliser que les attracteurs correspondants aux prototypes. La présente étude se propose donc d'introduire un nouveau modèle de la catégorisation qui permet d'éviter ces problèmes et de démontrer sa validité par le biais de simulations …
Communication
Le modèle Eidos (Proulx et Begin, 1996) est un modèle connexionniste de mémoire associative non-supervisée dont le principal avantage réside dans sa capacité d'apprendre à catégoriser correctement des stimuli corrélés en présence de bruit. De plus, les auteurs du modèle ont toujours prétendu que, conformément aux théories classiques de la catégorisation, ce dernier permettait la représentation des caractéristiques saillantes qui composent les stimuli, par le biais du développement autonome des vecteurs propres qui forment la base de la matrice de connexion. En d'autres termes, les vecteurs propres de la matrice de connexion constitueraient des propositions en logique floue, lesquelles définiraient …
Colloque
Le désapprentissage est un algorithme qui permet à un réseau de neurones d’assurer la gestion autonome du bruit. Le principe consiste essentiellement à insérer, en alternance avec les essais d’apprentissage, un stimulus aléatoire lequel est désappris par l’application de la règle d’apprentissage avec paramètres inversés. Introduite récemment par Proulx, Ledoux et Bégin (1997) dans leurs travaux sur le développement du modèle EIDOS, cette procédure s’est avérée efficace pour l’amélioration de la performance de la règle hebbienne/anti-hebbienne utilisée dans le modèle. De plus, cette procédure s’est aussi révélée robuste sous la variation systématique de ses paramètres libres, telles la fréquence et …
Colloque
Les effets de longueur et de puissance des listes de rappel dans les expériences sur la mémoire constituent des phénomènes empiriques bien établis (e.g., Ratcliff, Clark, & Shiffrin, 1990). Brièvement, l’effet de longueur est défini par la relation inversement proportionnelle entre le nombre d’éléments d’une liste à mémoriser et la performance des sujets dans le rappel libre, le rappel indicé et la reconnaissance. L’effet de puissance, quant à lui, se traduit par le fait que le renforcement de certains mots de la liste n’entraîne aucune dégradation de la performance, sauf dans la situation de rappel libre. Ce qui rend ces …
Colloque
L'implantation de systèmes efficaces de vision artificielle dans la complexité du monde naturel repose essentiellement sur l'élaboration de modèles adéquats pour la catégorisation de l'information dans des univers mal définis. À ce titre, les modèles connexionnistes et les systèmes à base de réseaux de neurones possèdent de nombreux avantages sur les modèles classiques de type computationnel. En effet, leur structure massivement parallèle et distribuée, de même que le rappel de type associatif et la représentation vectorielle dans ces modèles, leur attribue naturellement une capacité de généralisation et de résistance optimales par rapport au bruit environnant. De plus, le fait que …
Colloque
L'implantation de systèmes efficaces de vision artificielle dans la complexité du monde naturel repose essentiellement sur l'élaboration de modèles adéquats pour la catégorisation de l'information dans des univers mal définis. À ce titre, les modèles connexionnistes et les systèmes à base de réseaux de neurones possèdent de nombreux avantages sur les modèles classiques de type computationnel. En effet, leur structure massivement parallèle et distribuée, de même que le rappel de type associatif et la représentation vectorielle dans ces modèles, leur attribue naturellement une capacité de généralisation et de résistance optimales par rapport au bruit environnant. De plus, le fait que …
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 …
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 …
Colloque
L'une des principales caractéristiques des modèles connexionnistes utilisés pour le traitement de l'information, et en particulier des réseaux de neurones artificiels, consiste dans leur parallélisme massif et la possibilité de traitement distribué. Pour rendre possible en pratique ce type de parallélisme, sur un système de transport relié par des liens de communication, il est nécessaire d'utiliser des systèmes d'exploitation facilitant l'implantation optimale (temps, flexibilité et informatique). Toutefois sur un nombre de modèles de ces systèmes, le système d'exploitation demeure encore familier aux programmes séquentiels (ex. UNIX), permettant l'implantation des logiciels existants et le développement d'applications en plusieurs langages de programmation. …
Colloque
Plusieurs auteurs ont pris comme hypothèse que l'effet dynamique des états ayant des recouvrements microscopiques avec une configuration donnée, peut être négligé. Pour le modèle de Hopfield avec des règles locales d'apprentissage, l'inclusion de ces états dans la dynamique du système donne des résultats en accord avec des thermodynamiques antérieures. Les calculs faits pour des réseaux asymétriques montrent que, en augmentant le nombre de modèles présentés dans la phase d'apprentissage, les états stables ne sont plus ces modèles, mais correspondent au recouvrement cumulatif final. Les états individuels agissent comme attracteurs instables par rapport aux petites perturbations, en compétition avec un …
