Year: 2011
Type: dissertation
Abstract: RESUME
Ce travail consiste en l’etude du potentiel de creation de formes du quantron, un modele recent de neurone artificiel qui decrit la transmission de l’information aux synapses des neurones a l’aide de processus stochastiques. Celui-ci a auparavant ete le sujet de differentes tentatives d’approximations mathematiques dans le but d’applications futures au domaine des reseaux de neurones. Nous proposons plutot une implementation informatique fidele au modele original qui nous permet d’etudier ses caracteristiques. Dans le cadre de la reconnaissance de formes, nous explorons les capacites du quantron et de reseaux formes a partir de celui-ci a creer des images binaires a deux dimensions. Plus specifiquement, nous nous sommes donnes comme objectif de determiner les architectures et les parametres des reseaux qui permettent de produire les 26 lettres majuscules de l’alphabet. D’abord en variant les parametres de quantrons uniques selon des regles determinees par notre connaissance prealable du fonctionnement du modele, nous obtenons une grande quantite d’images que nous arrivons a assembler pour obtenir quelques premieres lettres. En procedant a l’analyse des fonctionnements internes des quantrons qui produisent les lettres, nous arrivons a ameliorer leur esthetisme et par le fait meme acquerons une meilleure comprehension du modele, ce qui nous mene a decouvrir et demontrer des caracteristiques nouvelles lui donnant un puissant potentiel de production d’images. Des limites et contraintes sont aussi mises a jour, nous suggerons par la suite comment elles peuvent etre contournees. Le souci de fidelite au modele original du quantron est conserve tout au long du travail et les effets des approximations inherentes a l’implementation numerique sont etudies. Nous proposons finalement des equations pour determiner les parametres de reseaux produisant n’importe quelle image desiree et les utilisons pour completer la banque de lettres de l’alphabet. Les resultats obtenus suggerent un avenir prometteur au modele et differentes avenues sont suggerees pour tirer profit.----------ABSTRACT
This document presents the study of pattern creation capacities of the quantron, a recent model of artificial neuron that describes the transmission of information at synapses with stochastic processes. Earlier works have been dedicated to the development of mathematical approximations that aim at the applicability of the model within the neural network domain. Rather, we propose an informatics implementation true to the original mathematical model that enables us to study its characteristics. Within the guidelines of pattern recognition, we explore the capacities of quantrons and of networks of quantrons to produce binary two dimensional images. Specifically, we had as an objective to determine the architectures and parameters of networks able to produce the 26 capital letters of the alphabet. First by varying the parameters of single quantrons within limits and rules determined by our prior understanding of the model, we obtain a great quantity of images which we are able to assemble in order to create a few first letters. By proceeding to the analysis of the inner workings of the quantrons producing the letters, we are able to improve their esthetics and at the same time obtain a better understanding of the model, which leads us to discover and demonstrate different new characteristics that give it strong image production capacities. Limitations are also brought to light for which we suggest ways to work around. In order to support the precision of the numeric approximations of the model, its effects are studied and carefully monitored. Finally, we propose equations that enable us to find parameter values that produce any desired image and make use of them in order to complete our collection of letters of the alphabet. The results suggest a promising future to the model and different avenues are suggested for later work to benefit from it.
Author: Julien Hackenbeck-Lambert
Language: French
Subfield: Architecture
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2343891180