Institut des Systèmes Intelligents
et de Robotique

Partenariats

UPMC

CNRS

INSERM

Tremplin CARNOT Interfaces

Labex SMART

Rechercher

Titre de la thèse :  "Relations entre plasticité synaptique et régularité des codages en neuro-évolution".

La présentation se déroulera le lundi 25 Juin à 13h30 dans la salle 211 (couloir 55-65, 2ème étage, accès par la tour 55) à Jussieu.


Résumé :

L’évolution artificielle de réseaux de neurones ou “neuro-évolution” permet aujourd’hui de générer des réseaux capables de résoudre des tâches non triviales
telle que la marche de robots poly-articulés ou la navigation autonome de robots mobiles.

Cependant, dans la majorité des cas, les capacités du contrôleur évolué se
limitent à résoudre les problèmes déjà rencontrés durant le processus d’évolution, mais le contrôleur ne peut s’adapter en ligne pour faire face à de nouvelles situations.
Les travaux que nous avons réalisés font le lien entre deux domaines précédemment indépendants de la neuro-évolution.

D’une part, les mécanismes de plasticité synaptique, utilisés comme brique de base dans ces algorithmes pour réaliser des réseaux qui s’adaptent en ligne, d’autre part, les codages génératifs favorisant la
création de réseaux de neurones réguliers.

Le premier apport de notre travail est de montrer que la combinaison de ces deux outils apporte la possibilité de générer des réseaux capables de s’adapter en ligne à
des situations inconnues, ce que la majorité des autres méthodes ne permet pas : les réseaux ne sont souvent capables que de “sauter” entre les situations présentées
durant l’évolution (un phénomène que l’on peut rapprocher du surapprentissage) ou d’être robustes à des changements de l’environnement sans changement qualitatif
de leur comportement. Les codages génératifs favorisant la régularité génèrent, au contraire, des topologies où une même règle d’adaptation s’applique à un ensemble
de neurones, ce qui rend plus difficile leur “sur-spécialisation”.

Notre second apport permet de résoudre un autre problème, rencontré lors de l’évolution de réseaux utilisant des codages génératifs favorisant la régularité : ces
codages génèrent des réseaux où le comportement de neurones “groupés” est similaire, ce qui ne leur permet pas de singulariser le comportement de neurones.

L’ajout de mécanismes de plasticité synaptique relâche cette contrainte en autorisant un ensemble de comportements tant qu’il est possible de les apprendre grâce à une règle
commune, même si ces comportements sont différents entre eux.