Neural Networks and Sparse Information Acquisition

Cette thèse traite de mémoires associatives neuro-inspirées. Une extension des réseaux de neurones récurrents et binaires introduits par Gripon et Berrou a été étudiée pour y accroître les effets de la parcimonie. Dans cette nouvelle version de réseaux de neurones, l'information est portée par des motifs graphiques (cliques) qui ne font appel qu'à une fraction des ressources disponibles. Ces motifs peuvent également être de tailles différentes et donc porter une information de longueur variable. Nous avons validé le concept et calculé les limites de capacité et de correction d'effacements en fonction des taux d'erreurs recherchés. Ces limites ont été comparées à des résultats de simulation obtenus dans différentes situations de test. Nous avons également analysé ces réseaux sous l'éclairage de la théorie de l'information et établi un lien avec la problématique de l'acquisition compressée (compressed sensing).