Robert Proulx, Vice-recteur à la vie académique de l’UQAM et Membre senior de l’IEEE, donnera le vendredi 16 janvier à 15h en salle DS-1950 (UQAM, Pavillon DeSèves, métro Berri-UQAM) une conférence intitulée : "La modélisation du processus de catégorisation par le biais de réseaux de neurones artificiels : 15 anneées de recherche au Laboratoire d’études en intelligence naturelle et artificielle (LEINA)"
Résumé : Dans cet exposé nous passons en revue nos travaux de recherche des 15 dernières années sur les réseaux de neurones non supervisés de type hebbien. En nous appuyant sur plusieurs résultats expérimentaux, nous réaffirmons la thèse que ceux-ci sont les seuls qui permettent de rendre compte du processus de la catégorisation de bas niveau dans un formalisme à la fois simple, robuste, plausible et naturel, et ce, bien que la difficulté d’assurer la convergence et la stabilisation correcte des valeurs propres ait conduit plusieurs chercheurs à délaisser ce type de modèle au profit d’approches théoriques plus faciles, mais plus restrictives sur le plan de la plausibilité biologique et psychologique. Cependant, leur utilisation en tant que modèles de la cognition humaine suppose que l’on soit d’abord en mesure de résoudre le problème inhérent à ce type de système, c’est-à-dire le contrôle de la rétroaction positive ainsi que la croissance et la stabilité des valeurs propres de la matrice des connexions.
À cet effet, nous démontrons dans un premier temps que l’utilisation d’une règle d’apprentissage à la fois hebbienne et anti-hebbienne permet, sous certaines conditions, d’assurer la stabilisation du spectre des valeurs propres, sans altérer les propriétés de rappel optimal et de robustesse de ce type de système. De plus, nous présentons les résultats de plusieurs simulations qui, en plus de confirmer ces prédictions, débouchent sur la conclusion que ces propriétés sont généralisables à tout type de situation. En second lieu, nous démontrons que l’ajout dans le modèle d’une procédure de désapprentissage permet l’élimination dynamique du bruit dans le réseau, tout en fournissant une explication plausible du rôle du sommeil paradoxal chez les organismes vivants. Finalement, nous montrons qu’une modification de la règle de transmission en une fonction polynomiale de degré trois, permet la création d’attracteurs stables à n’importe quel endroit de l’espace de représentation, de même que la suppression automatique des attracteurs inappropriés. La discussion porte sur les possibilités d’application de ces modèles au problème de l’invariance perceptive, de la reconnaissance de la parole ainsi qu’au niveau du traitement symbolique de l’information de haut niveau.