Gazul neuronale este o rețea neuronală artificială , inspirat carduri de auto-adaptive , și a introdus în 1991 de către Thomas Martinetz și Klaus Schulten . Gazul neuronal este un algoritm simplu pentru găsirea unei reprezentări optime a datelor din vectorii principali . Metoda a fost numită „gaz neural”, deoarece evoluția vectorilor principali în timpul etapei de învățare face să ne gândim la un gaz care ocupă un spațiu în mod uniform.
Acest algoritm este aplicat compresiei datelor sau cuantificării vectoriale , de exemplu în recunoașterea limbajului natural , în procesarea imaginilor sau în recunoașterea tiparului. Ca alternativă robustă și convergentă la algoritmul K-means , poate fi folosit pentru partiționarea datelor .
Este o distribuție de probabilitate P (x) pe vectorul x (date), și un număr terminat de vectori principali w i , i = 1, ..., N .
La fiecare pas de timp t (discret), un vector de intrare x este trasat aleatoriu conform legii P , pentru a fi prezentat algoritmului. Apoi, vectorii principali sunt ordonați de la cel mai apropiat la cel mai îndepărtat de acest vector x: i 0 va fi indicele vectorului principal cel mai apropiat de x, i 1 indicele celui de-al doilea cel mai apropiat etc., iar i N-1 reprezintă indicele vectorului principal cel mai îndepărtat de x . În cele din urmă, fiecare vector principal ( k = 0, ..., N-1 ) este adaptat conform regulii, dependent de k , care este aici:
cu ε rata de adaptare și λ dimensiunea vecinătății. Pentru a asigura convergența, este necesar ca ε și λ să scadă în funcție de t (adică să scadă când t crește). După un număr suficient de pași de adaptare, vectorii principali acoperă (și reprezintă) spațiul de date cu o eroare de reprezentare minimă (sau aproape minimă).
Etapa de adaptare prezentă în algoritmul gazelor neuronale poate fi interpretată ca o coborâre în gradient a unei funcții de cost . Prin adaptarea tuturor vectorilor, și nu doar a celui mai apropiat de vectorii principali , cu o rată de adaptare invers proporțională cu distanța de la vectorul x, algoritmul reușește să obțină o convergență mult mai robustă decât alternativa sa, algoritmul K-medii ( chiar și versiunea sa în timp real).
Se poate observa că modelul gazelor neuronale nu îndepărtează niciodată un nod, dar niciodată nu adaugă unul.
„Al doilea exploatează un algoritm în creștere a gazelor neuronale bazat pe etichetarea clusterelor prin maximizarea probabilității (IGNGF - Gaz neuronal în creștere incrementală cu maximizarea caracteristicilor)”