Apprentissage en ligne de séquences spatio-temporelles

Le système effectue son apprentissage en interaction avec une entrée qui présente en boucle la (ou les) séquence(s) à apprendre. Le processus d'apprentissage repose alors sur une comparaison entre les motifs d'activation produits par le réseau et ceux présents en entrée, le but étant d'obtenir la meilleure adéquation possible. Ce type de système peut viser :

• Le stockage de séquences : après apprentissage, le système est capable d'évoquer la séquence apprise sans aucune stimulation.
• La prédiction : le système doit être capable de produire la séquence complète en fonction des premiers éléments de la séquence.
• Le filtrage : le système reste couplé au signal d'entrée, qui peut contenir une version dégradée de la séquence apprise, et évoque dans sa dynamique une séquence apprise associée. Le choix de la séquence restituée repose ainsi sur un phénomène de résonance [61] entre une des séquences apprises et la séquence présente.

Une séquence sera d'autant plus difficile à apprendre que son degré d'ambiguïté est élevé . Une séquence temporelle est ambiguë lorsque la connaissance d'un élément de la séquence est insuffisante pour déterminer l'élément suivant. Par exemple, la séquence de lettres ABAC est ambiguë dans la mesure où la lettre A peut être suivie soit par B, soit par C. Il est nécessaire dans ce cas de garder en mémoire deux éléments successifs pour lever l'ambiguïté. Le nombre d'éléments nécessaires à mémoriser pour lever toutes les ambiguïtés de la séquence constitue le degré de la séquence [62]. ABAC est une séquence de degré 1, ABCABD une séquence de degré 2, etc...

De telles ambiguïtés se rencontrent très fréquemment dans les signaux issus du monde réel. Peu de systèmes neuronaux sont à l'heure actuelle pleinement opérationnels pour traiter et apprendre les ambiguïtés de l'environnement. Il existe plusieurs modèles permettant de lever les ambiguïtés de degré 1. Un premier modèle est fondé sur les triades synaptiques [62], c'est à dire sur des neurones dont l'activation dépend deux activations afférentes successives. Un autre modèle, proposé dans [63], repose sur un système à deux couches, la première étant une couche réceptrice, et la deuxième une couche d'associations possédant des liens latéraux. Dans les deux cas, la levée de l'ambiguïté de degré 1 repose sur la prise en compte d'événements décalés temporellement, c'est à dire sur la présence, soit de délais de transmission non homogènes soit de relais à la transmission du signal. Ce principe semble également à l'uvre dans une architecture plus complexe [64], dont le nombre de paramètres mis en jeu rend difficile l'analyse du processus d'apprentissage.