Differences

This shows you the differences between two versions of the page.

--- realisation_gng [2025/02/28 18:18]
47.128.111.133 old revision restored (2025/02/10 21:20)
+++ realisation_gng [2025/04/03 07:16] (current)
47.128.23.168 old revision restored (2025/02/23 18:13)
@@ Line 1: / Line 1: @@
 ===== GNG =====
-Pointeurs :
+Ressources utilisées :
-   * https://fr.wikipedia.org/wiki/Gaz_neuronal (+version anglaise)
    * http://www.booru.net/download/MasterThesisProj.pdf
+==== Algorithme ====
+   * Commencer avec deux nœuds relié par un arc d'age 0
+   - Générer une entrée
+   - Localiser les deux noeuds les plus près de cette entrée
+   - Mise à jour de l'erreur locale du noeud gagnant
+   - Bouger le gagnant et ses voisins vers l'entrée
+   - Incrémenter l'age des arcs entre le noeud gagnant et ses voisins
+   - Si les deux noeuds (étape 2) sont relié par un arc, passer son age à 0, sinon créer l'arc
+   - Supprime un arc s'il atteint un age supérieur au seuil fixé Amax, supprimer le noeud s'il n'est relié à aucun autre noeud
+   - Si l'itération est un multiple de λ et que le maximum d'itération n'est pas atteint, insérer un noeud entre le noeud qui a la plus grosse erreur et son voisin qui a la plus grosse erreur. Supprimer les arcs entre les deux noeuds et en ajouter entre eux et le noeud nouvellement insérer. Décroître le taux d'erreur pour chaque noeud.
+   - Décroître un peu le taux d'erreur pour tous les noeuds
+   - Réitérer les étapes 2 à 9 n fois
+==== Equations ====
+Mettre à jour le taux d'erreur (étape 3) :
+{{:var_erreur.png|}}
+Mettre à jour les poids des noeuds (étape 4) :
+{{:maj_vecteurs.png|}}
+Poids du noeud à insérer (étape 8) :
+{{:gng1.png|}}
+Mettre à jour les taux d'erreur après insertion d'un nouveau noeud (étape 8) :
+{{:gng2.png|}}
+Décroître le taux d'erreur de tous les noeuds (étape 9) :
+{{:gng3.png|}}
+==== Expérience ====
+Comme pour la Self Organizing Map, l'expérience se déroule sur un repère orthonormé sur les intervalles x[0, 100] et y [0, 100].
+{{:vide.png|}}
+J'ajoute deux sets de données, un dans l'intervalle [0, 10] et un dans [50, 60]. Dans le cas du SOM, l'algorithme prenait en entrée des données aléatoires de l'espace, pour le GNG, il va choisir en entrée les données des deux sets précédents.
+L'expérience commence en plaçant deux noeuds de manière aléatoire sur le terrain. Avec l'algorithme du GNG ils sont censé se dupliquer et occuper l'espace petit à petit.
+{{:debut_gng.png|}}
+==== Résultat ====
+Après 20000 itérations (ce qui est inutilement grand), j'obtiens le résultat suivant :
+{{:fin_gng.png|}}
+Les noeuds sont sans cesse crées, supprimés et des arcs disparaissent régulièrement. Le pattern crée par l'algorithme est sans cesse en mouvement, à vrai dire je ne sais pas trop si c'est normal ou non.
+A première vue je pense que le problème vient des valeurs associées à α et β (des taux d'apprentissage) et au seuil max de suppression des arcs.
+La plupart des GNG trouvés sur internet ont tendance à converger, est ce que la convergence est "simulée" comme dans le SOM ou l'on baisse le taux d'apprentissage petit à petit ou alors est-elle induite par autre chose (mise en place d'un seuil sur le taux d'erreur pour ne pas continuellement créer de nouveaux noeuds par exemple)?

DokuWiki

Site Tools

Differences

Page Tools