L'APPORT DE LA COUCHE DYNAMIQUE

On peut donc résumer en trois points les apports de la couche dynamique par rapport aux modèles associatifs directs.

• Résolution des ambiguïtés temporelles.
• Capacité à produire des comportements différents sur commande, lorsque l'on modifie le motif conditionnant.
• Capacité à reproduire le signal complet sur la base d'une information très incomplète ou bruitée.

Ces trois points reposent sur les caractéristiques dynamiques de la mémoire, c'est à dire la capacité à prendre en compte l'information du passé pour élaborer la réponse présente. Toutes les classes de liens participent à l'élaboration de la réponse, mais le signal issu de la couche dynamique est décisif pour reconstituer des entrées pour lesquelles la connaissance de l'état au temps $t-1$ ne suffit pas pour déterminer l'état au temps $t$.

Le modèle proposé nous fournit de plus un exemple de coopération entre différentes ``aires'', fonctionnellement différenciées, mais possédant un mode de communication commun. Une règle d'apprentissage unique permet aux différentes couches d'améliorer la correspondance entre le signal perçu et le signal produit, et de renforcer la régularité de l'organisation interne. On a donc bien une ``machine à apprendre'', nécessitant peu de paramètres (peu d'information) pour être définie, et capable d'auto-organisation. Même si le détail des échanges entre neurones est assez éloigné de la biologie, le fonctionnement général peut nous fournir des indices sur l'organisation qui se met en place sur les ensembles fonctionnels du cerveau.