III.2.1.Connexions constantes au cours du temps

Les tous premiers modèles de la détection d’intervalle étaient constitués d’un retard temporel, établi sur la conduction axonale. Cependant, même si l’on suppose que les fibres parallèles du cerebellum agissent comme des délais (Braitenberg, 1967), il n’existe pas de données expérimentales montrant des délais de quelques millisecondes. La plupart des modèles fondés sur des retards ne peuvent pas discriminer des séquences, alors que cette capacité permettrait de distinguer des stimuli complexes comme des vocalisations animales ou de la parole (Buonomano, 2000).

Buonomano et Merzenich (1995) ont proposé que des propriétés neuronales dépendantes du temps soient à la base du traitement temporel. Une modification des poids d’un circuit, composé de deux synapses, permet d’ajuster le réseau à un intervalle, sans qu’une constante de temps soit changée. Une estimation temporelle peut donc être dérivée d’un réseau de neurones formels, sans que celui-ci ait recours à différentes constantes de temps (Buonomano et Merzenich, 1995 ; 1999).

La règle de Hebb ne facilite pas la généralisation d'un réseau continu dans le temps, car celui-ci change continuellement d’état après avoir répondu à un stimulus initial. La plasticité à long terme des synapses peut être à l’origine de la formation de champs récepteurs non seulement spatiaux, mais aussi temporels. En étudiant un réseau composé d’une seule couche, mais avec de nombreux neurones, Buonomano et Merzenich (1995) ont montré qu’il était possible de distinguer un grand nombre de stimuli temporels. Les poids de ce réseau étaient tirés aléatoirement, cependant, la distribution temporelle des unités était suffisamment étendue pour former un codage robuste, pour un nombre important de durées et de séquences temporelles. Leur réseau a été testé sur trois tâches : discrimination de fréquences, de séquences temporelles aléatoires, et de phonèmes. Il est sensible à l’ordre, aux intervalles et permet la discrimination de séquences simples.