Les travaux de ce thème se rattachent au domaine des réseaux d'automates et des réseaux de ''neurones formels''. Les domaines d'application privilégiés sont le traitement d'images, la reconnaissance de signaux temporels et la modélisation de la dynamique d'une population cellulaire (cf. projet de recherche ''modélisation de la dynamique cardiaque : de la cellule à l'organe'').
 

Dans le domaine du traitement d'images, nos travaux ont amené la définition de nouvelles méthodes de segmentation reposant sur la propriété de bonne représentation des distances par les cartes auto-organisantes de Kohonen (en vision cette propriété est qualifiée de rétinotopie). Par ce modèle de calcul des cartes de Kohonen, on obtient des quantifications vectorielles d'un espace métrique qui ont la propriété de préserver la distance définie sur cet espace : deux vecteurs proches sur l'ensemble quantifié ont des représentants proches sur la carte, au sens des distances respectivement définies sur l'ensemble et la carte.

En nous appuyant exclusivement sur cette propriété de bonne représentation des distances, nous avons pu proposer une méthode multi-résolutions de segmentation d'images par approche de type contours et une méthode de segmentation par regroupement de pixels en pseudo-régions. Ces deux méthodes s'appliquent à des images digitales en niveaux de gris ou en couleurs.

Au-delà de ces nouvelles méthodes, notre approche de la segmentation d'images permet de poser les termes d'une réflexion sur la segmentation d'images en régions vue comme problème d'optimisation combinatoire. Les grandes lignes de cette réflexion sont : 1. reformulation en termes d'optimisation combinatoire du calcul (sous-optimal) des cartes de Kohonen ; 2. nombre de régions d'une image non fixé a priori ; 3. définition d'un critère d'optimalité et algorithme de construction de régions connexes optimales pour ce critère.

Un algorithme d'optimisation combinatoire a été défini et implanté pour traiter ce problème. Ils est actuellement en cours d'évaluation.
 

Dans le domaine des séquences temporelles, le modèle classique de neurone formel (sortie par seuillage d'un potentiel de membrane) est étendu pour permettre la définition d'un apprentissage non supervisé. L'automate est doté de deux fonctions de calcul : le calcul évoqué est classiquement une sortie binaire par seuillage d'un potentiel de membrane ; le calcul spontané est une sortie indépendante des entrées. La fonction de calcul spontané peut être vue comme déconnexion réversible de l'automate. À tout instant discret un tel automate choisit sa fonction de calcul d'après son seul potentiel de membrane. Une impulsion binaire est éventuellement produite à destination des automates de son voisinage post-synaptique. La mesure externe d'une reconnaissance du signal d'entrée est le rapport du nombre de cellules calculant en mode évoqué au nombre de cellules ayant calculant en mode spontané.
 

Les travaux de ce thème s'orientent actuellement vers la modélisation du fonctionnement coordonné d'ensembles de cellules biologiques, dans le cadre du projet ''modélisation de la dynamique cardiaque : de la cellule à l'organe''. Il s'agira de contribuer à établir le lien entre le modèle de la dymamique du calcium au niveau intra-cellulaire et le modèle musculaire. Les questions de signalisation cellulaire et de comportement synchrone d'une population cellulaire semblent centrales pour établir ce lien.