9. Conclusion Nous avons mis en avant différentes capacités des réseaux de neuronaux appliqués aux jeux vidéo et si nous connaissions déjà l’efficacité de ces réseaux en termes de perception et de classification, peu d’études mettent en avant leur utilisation dans le cadre vidéo ludique que sont les jeux vidéo. Ce mémoire essaie d’ouvrir des voies d’études et suggère différentes pistes à approfondir : Nous n’avons pas trouvé matière à exploiter la totalité des réseaux de neurones présentés dans ce mémoire, réseaux qui sont parmi les principaux réseaux neuronaux, et avons ainsi focalisé nos mises en applications sur les réseaux qui semblaient les plus aptes à aboutir sur des résultats positifs. Les réseaux ADALINE ne sont qu’une variante du Perceptron de base, et notre choix s’est naturellement tourné vers le PMC (Perceptron MultiCouches à rétropropagation), plus récent et plus efficace, en tout point, que les réseaux ADALINE qui sont essentiellement exploités de façon matérielle en télécommunication
[VER 09].
De la même façon, si les réseaux ALN présentent
une originalité au travers de leur utilisation de portes logique en lieu et place des fonctions d’activation traditionnelles, rien ne justifie l’exploitation de cette particularité dans le cadre des jeux vidéo. L’utilisation de réseaux de Hopfield pour la reconnaissance de motifs et donc de textures était une application intéressante à mettre en œuvre, toutefois, l’efficacité de ces réseaux a déjà été démontrées à plusieurs reprises
[FAR85].
Le principe de
fonctionnement évolutif des réseaux CasCor (Cascade Correlation) est appliqué et étudié au travers du rtNEAT et du Nero Game, il n’était pas utile de reproduire ces études dans notre mémoire. Nous n’avons pas trouvé de contexte d’application aux PNN (Probabilistic Neural Network) et GRNN
146