IV.2.Une analyse spectrographique

Si l’on considère que le faisceau de fibres correspondant à des fréquences spécifiques représente un type de dimension spectrale et que le niveau moyen d’activité de différentes populations de fibres nerveuses représente un type de dimension intensive, on peut voir l’ensemble de l’activité, au fur et à mesure qu’elle évolue dans le temps, comme un spectrogramme neural du taux moyen. La configuration globale de l’évolution spectrale serait partiellement appréhendée par une telle représentation (McAdams et Bigand, 1994).

Actuellement, l’analyse spectrale et le spectrogramme sont les représentations les plus usitées pour le traitement des sons. Parallèlement, le système auditif est le plus souvent conceptualisé par une distribution spatiale, où une sous-population particulière des neurones auditifs est adaptée à un domaine donné de fréquences. Le profil des décharges des cartes tonotopiques produit une représentation neurale de l’analyse spectrale du stimulus. Cette représentation est basée sur des canaux : dans sa forme la plus simple, chaque neurone est caractéristique d’une fréquence. La vitesse des décharges du neurone indique alors la quantité d’énergie présente dans le stimulus pour une bande de fréquence (Cariani, Tramo et Delgutte, 1997). En utilisant, des méthodes statistiques, Lewicki et Arthur (1996) ont montré que les analyses auditives effectuées par la cochlée (en particulier la taille de la fenêtre d’analyse) dépendent des sons de l’environnement naturel.

Deux types de codages sont actuellement retenus :

1. Un codage spatial des fréquences par l’activité des neurones (codage par canal). Dans le cas du premier codage, un neurone ou un ensemble de neurones répond spécifiquement à une fréquence. Cette stratégie est principalement utilisée avec des cartes auto-organisatrices. Nous la reprendrons également avec le modèle TRN.
2. Un codage temporel dans le flot des décharges. Cette dernière représentation serait particulièrement adaptée aux nouveaux modèles issus des neurosciences en particulier les modèles avec des synapses dynamiques.