Conclusion

Nous avons montré qu'un processus de catégorisation possédant une unique hypothèse peut théoriquement détecter d'une manière fiable une information perceptive à partir d'une gamme importante de modèles de signaux. Nous avons donné des conditions suffisantes sur la nature du signal pour garantir la fiabilité de la détection. Des signaux possédant un taux de valeurs aberrantes, même important, peuvent être détectés d'une manière fiable. Cependant, le prix à payer pour cette fiabilité concerne la précision d'une éventuelle reconstruction du signal à partir de l'information perceptive. En effet, nous avons montré sur un exemple simple que, pour un signal donné, l'ensemble des hypothèses permettant la détection de celui-ci peut être important. Les génératrices associées à ces hypothèses donnent chacune une évolution possible du signal, sans qu'on puisse indiquer laquelle est la meilleure. L'ensemble des résultats donnés pour une mémoire à une hypothèse est transposable à une mémoire possédant un ensemble fini d'hypothèses telles que celles-ci ne peuvent jamais être validées deux à deux simultanément.
Quelles sont les conséquences de cette étude sur l'utilisation du processus de catégorisation dans le cadre de l'AO ? Comme l'information perceptive induit l'état du système, la fiabilité de sa détection correspond à la fiabilité de la détection d'un état du système. Ainsi, si la mémoire est correctement formée, nous venons de montrer que l'état du système, transmis à l'AO, est une donnée fiable, même si les signaux d'entrée possèdent un bruit de mesure important et non obligatoirement gaussien. Les expériences présentées dans cette section laissent également penser qu'il existe un nombre important d'hypothèses différentes permettant de répondre à la contrainte CO: on en déduit que l'état du système peut être défini de plusieurs manières différentes. Par contre, nous ne sommes pas encore en mesure actuellement, ni de contraindre la mémoire, ni d'assurer que les états formés à partir des hypothèses en mémoire permettent de construire un graphe d'états respectant la propriété ( $P_{\epsilon }$) pour un problème d'AO précis: c'est l'objet de l'AP, que nous n'avons pas achevé.