Apprentissage sur les liens latéraux (figure du bas)

La durée optimale ne varie selon qu'il existe ou non un apprentissage sur les liens latéraux, ce qui indique qu'elle dépend pour l'essentiel du comportement des poids retour $J^{(12)}$ (c'est en effet le signal retour $c^{(12)}(t)$ seul qui, pour la figure du haut, détermine la réponse du système).

Si on compare maintenant la figure du bas (apprentissage autorisé sur les liens latéraux) avec celle de gauche (pas d'apprentisage sur les liens latéraux), on constate une augmentation sensible et à peu près similaire sur les taux $R_\mathrm{app}$, $R_\mathrm{cond}$ et $R_\mathrm{test}$. Les liens latéraux participent à hauteur de 10% à la qualité de la réponse. Il apparaît sur la figure que le signal provenant des liens latéraux tend à confirmer celui qui vient des liens retour. Les deux couches coopèrent dans l'élaboration de la réponse, et permettent donc de lever des incertitudes. On constate néanmoins que le taux de réussite maximal n'augmente pas significativement, ce qui semble indiquer qu'il reste toujours un petit nombre de réseaux ``réfractaires'' à l'apprentissage de cette séquence.

On peut noter que le signal provenant des liens latéraux repose sur l'activité de la couche primaire au temps $t-1$, et que le signal provenant des liens retour a transité par la couche dynamique, et traduit en partie l'activité de la couche primaire au temps $t-2$. Le signal d'activation de la couche primaire, qui repose sur l'addition du signal latéral $c^{(11)}(t)$ et du signal retour $c^{(12)}(t)$, fusionne donc l'information sur l'état du réseau à $t-1$ et à $t-2$ pour estimer l'état la plus probable au temps $t$. Cette capacité purement réactive est donc favorable à la résolution des ambiguïtés^5.2 de degré 1.