Procédé biomimétique versus apprentissage profond
Processeur de perception bio-inspiré. Une approche neuromorphique

L’apprentissage profond a été initialisé dans les années 90 avec Yann Lecun comme chef de file. En 2012, l’augmentation de performance calculatoire a permis d’utiliser des quantités très importantes de données et donc de pouvoir en extraire des éléments communs par corrélation croisée et apprentissage supervisé, en appliquant une adaptation des relations entre éléments locaux appelée « poids synaptique » ou CNN (pour Convolutional Neural Network ). Ce procédé nécessite un calcul pour plusieurs échelles, la rotation est très mal gérée, et l’invariance est obtenue par une multicité de couches calculatoires. La mémorisation de l’information est distribuée, liée au support et variable en fonction des éléments appris. La mémoire n’est donc pas transférable entre deux supports différents. Ce procédé est surtout utilisé par des entreprises qui veulent...