Un enjeu : l'apprentissage de signaux spatio-temporels.

On regroupe sous le terme de signaux spatio-temporels :

• Les séquences périodiques.
• Les signaux correspondant à l'évolution de certaines variables d'états d'un système dynamique déterministe.
• Les suites discrètes des signes issues de grammaires génératives, ou une suite d'états d'une chaîne de Markov.
• Les entrées d'un système automatique en interaction avec son environnement.

L'enjeu d'un tel apprentissage est d'inscrire dans la dynamique du réseau de neurones les caractéristiques de ces signaux. Les perspectives sont nombreuses, en termes de filtrage, de modélisation de systèmes, de prédiction de séries temporelles, de mémoire dynamique.

Lorsque l'on souhaite apprendre des motifs spatio-temporels, il est nécessaire d'utiliser des modèles comportant des délais de transmission [59]. La prise en compte du délai de transmission de l'activation d'un neurone à l'autre permet en effet d'effectuer des associations sur des événements situés à des instants différents, et ouvre donc la possibilité d'inscrire dans la dynamique à la fois les caractéristiques spatiales (activité distribuée) et temporelles (succession temporelle des motifs spatiaux) du motif.

Par ailleurs, la capacité à reproduire dans la dynamique les caractéristiques du signal nécessite une architecture comportant des liens récurrents, autorisant la mise en place de circuits d'activation capables d'entretenir un signal dynamique de façon autonome.

La difficulté de cette tâche dépend de la complexité inhérente au phénomène que l'on souhaite modéliser, et de la connaissance qu'on en a a priori.