III.Traitement de séquences temporelles

Pour ces modèles, le temps est envisagé comme un degré de liberté supplémentaire dans les représentations neurales. Les algorithmes employés par les modèles théoriques ont été modifiés pour pouvoir tenir compte des variations de durées des éléments transmis au réseau. Deux implémentations ont été proposées (Pearlmutter, 1995) :

1. Traiter les connexions comme un ensemble nouveau à chaque itération (Back Propagation Through Time) ;
2. Conserver la contribution de chaque connexion pendant chaque itération (Real Time Recurrent Learning).

Cependant, ces méthodes ne concordent pas avec les données neurophysiologiques, dans la mesure où les moyens de traitement sont limités. Quelles solutions ont été procurées par les études en neurophysiologie pour répondre à cette question du traitement des séquences temporelles ?

Nous présenterons d’abord les connaissances disponibles sur le traitement du temps dans les structures cérébrales, avant de décrire quelques modélisations inspirées par ces études. Enfin, nous terminerons avec une présentation détaillé du modèle de réseau récurrent temporel, utilisé dans cette étude : le TRN.