Thèse de doctorat en Perception et traitement de l'information. Systèmes de vision
Sous la direction de Pierre Miché.
Soutenue en 2001
à Rouen .
En s'inspirant du modèle humain, nous avons développé un système de vision associant une structure sensorielle assimilable à une rétine artificielle et une action musculaire impliquant des motoneurones. Notre système utilise à la base le modèle de neurone impulsionnel formulé par Gerstner. Contrairement au modèle classique, les potentiels d'action émis peuvent être complètement asynchrones ouvrant ainsi la voie à de nouvelles possibilités dans le codage de l'information. Dans la perspective d'un processeur neuronal, nous proposons un modèle analogique de neurone dans lequel nous assimilons les potentiels d'action émis à des impulsions de tension calibrées. Nous avons associé à chaque synapse un premier circuit chargé de convertir ces impulsions en impulsions de courant dont l'amplitude est fonction du poids accordé à cette synapse. Un circuit dénommé " circuit somatique " intègre les différentes contributions en courant puis émet, à son tour, des potentiels d'action. Ce neurone électronique possède la propriété de pouvoir traiter des informations ayant à la fois une signification spatiale et temporelle. Nous présentons ensuite notre propre système sensorimoteur. Nous nous sommes inspirés des travaux de Hebb pour modifier en permanence les poids synaptiques de ce système : la règle d'apprentissage que nous proposons est du type punition / récompense et n'affecte que les synapses sollicitées. Parallèlement, nous introduisons un paramètre traduisant l'activité d'une certaine population de cellules sensorielles. Nous avons appliqué notre système sensorimoteur à la simulation de l'attraction du regard : par des mouvements de saccades, ce système s'oriente de lui-même vers un objet fixe et monodimensionnel présent dans son champ de vision, quelles que soient la taille et la position de ce stimulus. Certaines propriétés de notre système comme la tolérance à la défaillance sont étudiées.
Asensorimotor system using a spiking neuron model
Pas de résumé disponible.