Résultats obtenus

Nous avons établi un modèle paramétrique du processus de catégorisation. Il est centré sur un mécanisme d'élagage dont le rôle est de valider ou d'invalider un ensemble d'hypothèses d'évolution du signal formant la mémoire du système. Chaque hypothèse est spécifiée à partir d'un triplet (h,i,l) et d'un focus: la valeur de h est la durée de la prédiction, le focus est un cylindre dont la génératrice C(t) est une fonction à valeurs dans [0,1] et dont la section est le paramètre l. L'hypothèse est validée au bout de h pas de temps si au moins h-i valeurs du signal appartiennent au focus associé à celle-ci.
Nous avons présenté deux algorithmes: l'un est applicable lorsque le nombre d'hypothèses contenues dans la mémoire est fini; l'autre est utilisable lorsqu'il existe un triplet (h,i,l) unique associé à l'ensemble des hypothèses et que les génératrices des focus sont paramétrées par un nombre fini de paramètres à valeurs réelles (cas particulier d'ensembles infinis d'hypothèses). Aucun des deux algorithmes ne possède de paramètres internes
Nous avons ensuite suggéré que notre modélisation pourrait être utilisée dans des domaines applicatifs variés. En effet, elle possède un ensemble de caractéristiques communes avec des modélisations paramétriques existantes. Mais, rappelons-nous que l'objectif du processus de catégorisation est de fournir une information perceptive, associée à des contraintes. Ce chapitre nous montre uniquement comment mettre en oeuvre le processus de catégorisation, mais il ne restreint pas la composition de la mémoire. Nous rappelons ici que l'originalité de notre approche est, à partir d'un modèle paramétrique, de contraindre l'ensemble des paramètres de manière à ce que les solutions issues de ce modèle possèdent, avec une très forte probabilité, un ensemble de propriétés déterminées a priori.