Reconstruction d'état caché avec cartes auto-organisatrices récurrentes

National audienceQuand les ´etats d’un processus ne sont pas Markoviens(POMDP par exemple), la convergencedes algorithmes d’apprentissage par renforcementn’est pas garantie. Une solution est de reconstruireun processus Markovien en partant dela s´equence des ´etats. Dans ce but, nous exploronsles capacit´es d’architectures r´ecurrentesqui s’appuient sur des cartes neuronales autoorganisatricespour apprendre `a pr´edire dess´equences d’observations issues de HMM