Introduction

Cette application, DemoGNG, implémente plusieurs méthodes liés à l'apprentissage compétitif. Il est possible d'expérimenter ces méthodes en utilisant différentes distributions de données et observer le processus d'apprentissage. Une terminologie commune est utilisée pour mieux comparer les méthodes entre elles. Voici un lien sur la mise à jour permanente de l'applet.

Les algorithmes suivants sont disponibles :

• Gaz neuronal extensible (Fritzke)
• Apprentissage compétitif dur (algorithme standard)
• Gaz neuronal (Martinetz and Schulten)
• Gaz neuronal avec apprentissage Hebbien compétitif (Martinetz and Schulten)
• Apprentissage Hebbien compétitif (Martinetz and Schulten)
• LBG (Linde, Buzo, Gray)
• Grille extensible (Fritzke)
• Cartes auto-organisatrice (Kohonen)

Auteurs

L'application originale a été écrite par Hartmut S. Loos et Bernd Fritzke et légèrement modifiée par Olivier Michel.

Application

Questions

1. Etude de l'apprentissage compétitif dur: expliquez le comportement de la méthode itérative LGB (K-means). Testez cet algorithme sur une distribution de type anneau (ring) et de type densité HiLo.
2. Kohonen (cartes auto-organisatrices): quels sont les principes de cet algorithme ? Testez le avec la ditribution anneau (ring) et densité HiLo. Expliquez les résultats obtenus par rapport à la théorie.
3. Configurez l'algorithme de Kohonen avec une grille de 1x30 et choisissez la forme rectangulaire. Quel est le rôle du paramètre sigma_f? Pour quelle valeur du paramètre sigma_f la représentation change-t-elle d'une ligne droite à une ligne oscillante ?