Liste des figures

• . Hypothèse fondatrice: polymorphisme adaptatif de la mémoire
• 1.1. Principe de la machine de Turing
• 1.2. Une approche fonctionnaliste en sciences cognitives
• . Une démarche confrontée à la gestion de l'incertitude
• 1.4. Le symbole vu comme auto-entretien d'un signal sur un cycle neuronal
• . Aspect du fonctionnalisme: nécessité d'un monde pouvant être décrit objectivement
• . Démarche analytique globale de conception d'un problème complexe
• . Démarche analytique de conception d'une fonctionnalité
• . Démarche synthétique de conception d'une fonctionnalité
• . Démarche synthétique globale
• . Démarches comparées d'atteinte d'objectif
• . Schéma classique du traitement du phénomène d'association perception/action
• . Schéma mettant en oeuvre un processus d'anticipation
• . Un signal perceptif doit être appréhendé sur une période de temps adaptée pour en distinguer l'évolution avec certitude
• . Les échelles d'étude d'un même problème peuvent conduire à la création de zones particulières.
• . Relation entre perception et certitude d'une régularité.
• . Processus d'élagage
• 1.17. Exemple de correspondance entre l'espace de perception et l'espace des variables internes.
• . Exemple de correspondance entre l'ensemble des scenarii d'évolution retenus à l'instant t+d et l'aire correspondante dans l'espace des variables internes.
• . Schéma temporel des phases d'apprentissage.
• . Notre schéma de fonctionnement de l'entité/Schéma classique d'une entité réactive.
• . Un état perceptif est le résultat d'une interaction spécifique entre le signal d'entrée et la connaissance par l'entité de ce signal.
• . Schéma relationnel de dépendance des différentes variables utilisées dans le processus de perception d'un signal mono-dimensionnel.
• . Transition d'un état à l'autre d'une machine à états déterministe, en fonction de la valeur d'une information
• . Transition d'un état à l'autre, suivant une certaine probabilité
• . Les données brutes sont transmises à un ensemble d'actions internes qui délivrent un signal, le cas échéant.
• . L'intervalle [0,1] vu avec une résolution r=6.
• . Application du signal X, vue sous différentes résolutions
• 2.8. La suite de signaux donne une tendance de retournement
• . Segments orientés.
• . Le signal X est incohérent pour une résolution r=6
• . Construction d'une suite de segments touchés par un signal
• . La notion de cohérence est dépendante de la résolution.
• . Cohérence détectée en fonction de l'amplitude du bruit de mesure
• . Cohérence détectée en fonction du taux de données aléatoires
• . Cohérence détectée en fonction du taux d'échantillonnage.
• . Suivi d'un signal sinusoïdal artificiellement bruité.
• . Le mouvement d'un segment crée un ``tuyau'' qui capte un certain nombre de points du signal.
• . État de la mémoire associée à un segment.
• . Exemple d'évolution de l'horizon h de la mémoire suivant la largeur du segment S
• . Le segment S est positionné en dehors du maximum de densité de probabilité du signal.
• . Sensibilité d'un segment à l'écart entre son centre et le point dont la densité est maximum
• . Sensibilité d'un segment à l'étalement de la densité de probabilité du signal
• . Sensibilité d'un segment à un signal de loi uniforme sur [0,1]
• 2.24. Évolution d'un ensemble de trois focus sur trois pas de temps.
• . Évolution du nombre moyen d'itérations de l'algorithme 2.1 avant erreur, lorsqu'un signal de loi uniforme sur [0,1] est reçu.
• . Mise en évidence d'une solution ``absurde'' lorsque le délai de latence n'est pas respecté
• . Séquence de focus permettant de suivre le signal.
• 2.28. Évolution de l'horizon h minimum suivant l'amplitude d'un bruit gaussien.
• . Résultat de l'algorithme de suivi avec adaptation des focus au bruit de mesure.
• . Différents exemples montrant l'adaptation de la valeur de l dans le temps, lorsque la densité du signal est stationnaire.
• 3.1. Ensemble des trajectoires rectilignes possibles, entre l'instant t et l'instant t+d
• . Domaine formé par l'ensemble des couples (a,b) respectant les contraintes de l'équation 3.1
• . Évolutions comparées de la probabilité de détection d'information à partir d'un signal aléatoire.
• 3.4. Chevauchement des scenarii dans le temps
• . Mise en oeuvre de l'algorithme d'élagage sur un signal sinusoïdal parfait.
• . Mise en oeuvre de l'algorithme d'élagage sur un signal sinusoïdal bruité artificiellement.
• . Evolution de la surface totale balayée au cours du temps en fonction du paramètre sigma.
• 3.8. Bouclage espace perceptif/espace des variables internes.
• 3.9. Exemples d'application du bouclage.
• . Mise en oeuvre de l'algorithme d'élagage sur un signal constant par morceaux.
• . Mise en oeuvre de l'algorithme d'élagage sur un signal non continu par morceaux.
• . Importance de la valeur de h sélectionnée pour discriminer deux signaux.
• . Expériences préliminaires concernant l'anticipation de signaux.
• . Zone de l'espace des variables internes comparée à un petit circuit électrique.
• . L'apprentissage de la dynamique du système est modélisé par l'ajout de transitions.
• . États transitoires du système.
• 4.3. Le robot miniature Khepera.
• . Hiérarchisation des agents utilisés par Khepera dans son comportement d'évitement d'obstacles.
• . Comportement de recherche d'objectif avec évitement d'obstacles de Khepera.
• . Résultats d'apprentissage concernant l'agent A2.
• . Cas d'échec amenant le robot simulé à s'éloigner du mur.
• . Nouvel environnement présenté au robot simulé.
• . Exercices de difficulté progressive proposés au robot simulé.
• 5.1. Effet McCollough
• 5.2. Effet Stroop
• . Graphe des évolutions possibles dans le processus de détection d'un segment orienté
• . Confrontation des résultats théoriques et expérimentaux concernant l'expression de Pr-
• . Confrontation des résultats théoriques et expérimentaux concernant les expressions Prk et Prk+/-
• . Une idée de l'évolution des probabilités u et u' suivant i.
• . Évolution de la suite v, suivant m, à h fixé.