« Gaz neuronal » : différence entre les versions

Version du 16 mai 2019 à 20:33

Domaine

Définition

Le gaz neuronal est un réseau de neurones artificiel, inspiré des cartes auto-adaptatives, et introduites en 1991 par Thomas Martinetz et Klaus Schulten3. 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 naturelles4, en traitement des images5 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 données6.

Français

Gaz neuronal

Anglais

neural gas

Source : Wikipedia IA

@@ Ligne 9 : / Ligne 9 : @@
 == Définition ==
-Le gaz neuronal1,2 est un réseau de neurones artificiel, inspiré des cartes auto-adaptatives, et introduites en 1991 par Thomas Martinetz et Klaus Schulten3. 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.
+Le gaz neuronal est un réseau de neurones artificiel, inspiré des cartes auto-adaptatives, et introduites en 1991 par Thomas Martinetz et Klaus Schulten3. 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 naturelles4, en traitement des images5 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 données6.