IV.2.2.Evolution des performances au cours du temps

Le graphique (Figure 3.7) présente l’évolution des résultats au cours du temps, obtenus pour le corpus OGI-MLTS. L’apprentissage est effectué à partir des vecteurs obtenus pour une durée de 5s. Toutes les 5 secondes, l’état courant du réseau est comparé aux relevés de l’état du réseau obtenus à 5s, pendant l’apprentissage. Les performances sont maximales lorsque la durée des fichiers tests correspond à la durée des fichiers appris (5s) (pic à 40 % dans la figure 3.7). De même, lorsque l’apprentissage est effectué avec les données correspondant à 20s, les performances sont maximales à 20s. Les performances restent stables autour de ce maximum, et au dessus du hasard (30 % vs. 17 %).

L’architecture des réseaux récurrents privilégie l’information des évènements récents, une partie de l’information est donc perdue au cours du temps. Le paragraphe suivant présente une technique additionnelle au réseau mise en œuvre pour apporter une mémoire auxiliaire efficace au réseau récurrent TRN.

Figure 3.7 Apprentissage effectué pour 5s. Population indique la moyenne des scores de 50 réseaux, 5 meilleurs désigne le score moyen des 5 meilleurs réseaux en apprentissage. L’apprentissage est effectué uniquement avec les vecteurs extraits au bout d’une durée de 5s des passages (corpus OGI-MLTS).