CONCLUSION LOCALE

Ce chapitre a permis de mettre en avant l'organisation qui se met en place dans le système, spontanément ou sous la contrainte d'une entrée extérieure. Le terme ``organisation'' se réfère ici à la possibilité de catégoriser les neurones en classes distinctes. Lorsque le classement porte sur le niveau d'activité des neurones (neurones actifs/neurones inactifs), on parle de configuration spatiale du système. Lorsque le classement porte sur les caractéristiques de phase des signaux émis par les neurones, on parle de configuration dynamique. La répartition homogène des neurones entre ces différentes classes dynamiques est assurée par les propriétés de décorrélation prouvées dans le cadre du champ moyen. On a montré que l'apparition d'un régime cyclique à la déstabilisation s'accompagne de la mise en place d'un circuit d'activation, correspondant à l'activation en chaîne des différentes classes (ou paquets) de neurones, et dont les caractéristiques spatiales et temporelles se maintiennent jusque dans les régimes chaotiques.

On a constaté par ailleurs que la période de ce circuit d'activation dépend fortement de la configuration spatiale des activations à la déstabilisation. Cette configuration spatiale présente deux propriétés : - 1 - elle tend à rester la même pour toutes les valeurs de $g$, c'est à dire pour tous les régimes dynamiques, et - 2 - elle tend à évoluer régulièrement selon les modifications effectuée sur les seuils du système. C'est donc en agissant sur les seuils, et non sur les conditions initiales comme dans le modèle de Hopfield, que l'on apporte au système une information susceptible de modifier son comportement dynamique, en agissant directement sur la configuration spatiale, et par ricochet en modifiant le circuit d'activation. L'extrême sensibilité du système à toute modification de ses entrées se manifeste par une reconfiguration du réseau.

La présentation de motifs dynamiques de période $\tau$ impose au système une modulation explicite de son activité dynamique. La période imposée, ou l'une de ses harmoniques, domine la dynamique contrainte et conditionne alors le circuit d'activation.

Cette étude des propriété d'organisation du système est un préalable indispensable à la mise en place des algorithmes d'apprentissages décrits dans les chapitres suivants. Ces mécanismes de catégorisation neuronale permettent de comprendre ensuite le fonctionnement de l'apprentissage.