Signaux incomplets et bruités

Jusqu'à présent, on s'est essentiellement intéressé aux aspects temporels du signal à apprendre en réduisant les motifs à une stimulation sur un seul neurone de la couche primaire. On a vu qu'en tronquant temporellement un signal, le réseau est capable de compléter les éléments manquants, voire de reproduire complètement la séquence.

On souhaite à présent effectuer un apprentissage sur des signaux qui se rapprochent de signaux naturels, c'est à dire :

• Une séquence est composée de motifs qui ne se réduisent plus à un seul neurone. En moyenne, $f^{(1)}N^{(1)}$ neurones de la couche primaire sont activés, où $f^{(1)}$ est la densité moyenne du motif.
• Il peut éventuellement y avoir recouvrement entre deux motifs de la séquence (deux motifs différents peuvent avoir des neurones en commun).

Par ailleurs, pendant la période de test, les motifs composant la séquence n'apparaissent pas toujours de la même façon : ils peuvent être tronqués ou bruités (mais pas dilatés ni déformés).

Le système est appelé à reconstituer également les caractéristiques spatiales de l'information présentée sur son entrée, c'est à dire compléter les motifs incomplets et éliminer le bruit.