Précédent : Représentation interne distribuée Remonter : Résultats nouveaux Suivant : Implantations matérielles
Précédent : Représentation interne distribuée
Remonter : Résultats nouveaux Suivant :
Implantations
matérielles
Participants : Frédéric Alexandre, Laurent Bougrain, Hervé
Frezza-Buet, Nicolas Rougier.
En ce qui concerne l'approche hybride, nous avons poursuivi cette année nos études sur le principe de la combinaison de classifieurs et de la sélection de modèle. Sur la base d'un partitionnement de l'espace, nous avons entraîné un classifieur par sous-espace, à des fins de comparaison avec une classification unique, sur l'ensemble de l'espace. Pour plusieurs stratégies de combinaison de classes, cette approche a montré d'excellentes performances. Nous tentons de l'étendre actuellement à des tâches de prédiction et d'ajouter des contraintes de continuité entre sous espaces [[5]].
Pour des tâches de comportement autonome, nous suivons plusieurs pistes pour exploiter et étendre nos modèles associatifs. Ces derniers souffrent de deux faiblesses provenant de leur trop grande réactivité. Tout d'abord, ils réalisent un apprentissage procédural des régularités de l'environnement (par exemple, savoir s'orienter) mais manquent de mémoire épisodique (par exemple, se souvenir de trajectoires récentes). Nous cherchons à ajouter cette compétence en développant un modèle d'hippocampe et de sa connexion au cortex [[11]].
Ensuite, leur comportement est organisé directement à partir de leurs perceptions courantes, ce qui leur interdit des stratégies plus complexes, par exemple pour faire un détour qui peut se révéler plus fructueux que d'aller directement au but. Pour introduire cette capacité, nous travaillons sur des modèles de mémoire de travail temporelle, issus de l'étude du cortex préfrontal.