Read more
La recherche en connexionnisme est en face des fortes contraintes d'autonomie en robotique notamment issues des tâches perceptives visuelles qui n'ont pas encore été satisfaites par les modèles neuronaux utilisés jusqu'à aujourd'hui, surtout celles liées à la perception du mouve- ment. Dans ce cadre, je propose un modèle connexionniste neuromimétique permettant de traiter un ensemble de tâches de perception visuelle dynamique (robot/objets environnants en mouvement). Cela implique le compromis de maintenir la satisfaction des contraintes (bio-inspiration, traitements locaux massivement distribués) en vue d'une implantation ultérieure temps-réel embarquée sur circuit FPGA malgré la complexité des tâches en jeu. Le modèle proposé est constitué de trois modules: le premier opère un filtrage spatio-temporel causal issu des filtres de Gabor et inspiré des réponses des cellules simples du cortex visuel primaire, V1. Le deuxième met en place un mécanisme distribué de fortes interactions localisées fondé sur un principe antagoniste inspiré de l'organisation en colonnes d'orientation dans V1. Finalement, en m'inspirant des propriétés des champs récepteurs des neurones de MT et MST.
About the author
Mexican Married Né à Puebla, México.2001-2005 Henri Poincaré University, Nancy, France. PhD inComputation: "Neuromimetic connectionist model for the embededdvisual perception of motion".1996-1998 University of Puebla (BUAP),Puebla, Pue., México. Master in Computer Sciences: "ExperimentalAnalysis with the Morphological Associatives Memories".
