« Gaz neuronal » : différence entre les versions

Version du 16 mai 2019 à 20:46

Le gaz neuronal est un réseau de neurones artificiel, inspiré des cartes auto-adaptatives, et introduites en 1991 par Thomas Martinetz et Klaus Schulten. Le gaz neuronal est un algorithme simple pour trouver une représentation optimale de données à partir de vecteurs principaux. La méthode fut appelée « gaz neuronal » parce que l'évolution des vecteurs principaux durant l'étape d'apprentissage fait penser à un gaz qui occupe un espace de façon uniforme.

Cet algorithme est appliqué à la compression de données ou à la quantification vectorielle, par exemple en reconnaissance des langues naturelles, en traitement des images ou à la reconnaissance de motifs. En tant qu'alternative robuste et convergente à l'algorithme K-moyennes, il peut être utilisé pour le partitionnement de données.

gaz neuronal n.m.

neural gas

Source : Wikipedia IA

@@ Ligne 10 : / Ligne 10 : @@
 ==Définition==
 Le gaz neuronal est un [[Réseau de neurones artificiels|réseau de neurones artificiel]], inspiré des[[Carte auto adaptative| cartes auto-adaptatives]], et introduites en 1991 par [[Thomas Martinetz]] et [[Klaus Schulten]].
-Le gaz neuronal est un algorithme simple pour trouver une représentation optimale de données à partir de [[Analyse en composantes principales|vecteurs principaux]]. La méthode fut appelée "gaz neuronal" parce que l'évolution des [[Analyse en composantes principales|vecteurs principaux]] durant l'étape d'apprentissage fait penser à un gaz qui occupe un espace de façon uniforme.
+Le gaz neuronal est un algorithme simple pour trouver une représentation optimale de données à partir de [[Analyse en composantes principales|vecteurs principaux]]. La méthode fut appelée « gaz neuronal » parce que l'évolution des [[Analyse en composantes principales|vecteurs principaux]] durant l'étape d'apprentissage fait penser à un gaz qui occupe un espace de façon uniforme.
 Cet algorithme est appliqué à la [[compression de données]] ou à la [[quantification vectorielle]], par exemple en [[Reconnaissance automatique de la parole|reconnaissance des langues naturelles]], en [[Traitement d'images|traitement des images]] ou à la [[Reconnaissance de formes|reconnaissance de motifs.]]