Notre étude sur les dynamiques spontanées et contraintes a mis en avant quelques propriétés intéressantes. En dynamique spontanée, Les signaux produits par le réseau témoignent d'une grande variété de formes et de périodes. Une analyse approfondie de ces signaux permet de différencier les neurones actifs des neurones inactifs (configuration spatiale), ainsi que des circuits d'activation (configuration dynamique). Il s'avère en fin de compte qu'à proximité de la déstabilisation, l'entretien de la dynamique repose sur quelques paquets de neurones actifs qui propagent un signal en chaîne d'un paquet de neurones à l'autre, le nombre de paquets déterminant approximativement la période.
Cette forme d'organisation est sensible à toute perturbation induite par un motif statique ou dynamique. Un motif statique, par exemple, déplace les valeurs des potentiels des neurones, de sorte que certains neurones actifs deviennent inactifs, et certains neurones inactifs deviennent actifs, ce qui tend à perturber l'organisation spontanée et la plupart du temps à en créer une nouvelle tout à fait différente. Cette nouvelle organisation peut modifier profondément à la fois la période et le régime dynamique du signal. Chaque motif statique différent peut ainsi produire une organisation dynamique qui lui est propre. Dans le cas de motifs périodiques, la période imposée tend à se substituer à la période spontanée, ce qui conditionne également l'apparition d'un nouveau circuit d'activation.
Le réseau possède donc potentiellement une multitude d'organisations dynamiques différentes. Chacune peut a priori être interprétée comme tâche cognitive différente. Il apparaît à présent judicieux de mettre en place une règle d'apprentissage qui modifie au mieux les poids du réseau afin que les propriétés non spécifiques observées sur les dynamiques spontanées et contraintes acquièrent un caractère de spécificité. On veut que le choix de l'organisation dynamique adoptée soit conditionné par l'apprentissage.
Le présent chapitre définit quelques règles d'apprentissage et décrit leurs modes d'action sur l'organisation dynamique. Toutes les règles présentées se fondent sur la règle de Hebb.
La section 4.1 présente deux règles d'apprentissage qui ont été étudiées en premier lieu dans le cadre de l'apprentissage sur ce modèle. La règle initiale, fondée sur le produit des activations, est présentée section 4.1.1. Une version modifiée de cette règle, qui introduit la notion d'habituation et se fonde sur des différentiels de niveau d'activation est présentée section 4.1.2.
La section 4.2 présente la règle qui sera utilisée dans le cours de cette thèse, qui est une règle fondèe sur la covariance effective entre neurone afférent et neurone récepteur. La section 4.2.1 décrit la règle d'apprentissage à proprement parler. La section 4.2.2 montre que les valeurs des covariance entre neurones se répartissent selon une loi de puissance. La section 4.2.3 montre l'effet du processus d'apprentissage sur la dynamique spontanée du réseau et la matrice des poids.
La section 4.3 met enuvre l'apprentissage dans le cadre de la dynamique contrainte, dans le cas de motifs statiques (section 4.3.1), de motifs dynamiques périodiques (section 4.3.2) et enfin dans le cas mixte où les motifs statiques sont assimilés à des motifs conditionnants (section 4.3.3)