Differences

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

--- realisation_som [2025/03/01 17:59]
47.128.60.182 old revision restored (2025/01/16 23:24)
+++ realisation_som [2025/04/02 11:12] (current)
47.128.47.20 old revision restored (2025/01/23 17:33)
@@ Line 19: / Line 19: @@
    - Répeter 2 à 7 pour un nombre d'itérations
+Selon les ressources choisies sur internet, les algorithmes n'ont pas la même manière de mettre à jour les neurones voisins du gagnant.
 ==== Equations utilisées ====
@@ Line 32: / Line 32: @@
 Avec Θ(t) la fonction de voisinage et L(t) le taux d'apprentissage :
-Θ(t) = exp( -dist² / 2σ²(t))
+Θ(t) = exp( -dist² / 2σ²(t)) \\
-et
+et \\
-L(t) = L0 * exp(-t / λ)
+L(t) = L0 * exp(-t / λ) \\
+==== Expérience ====
+J'ai testé l'algorithme décrit au dessus sur un espace vide en deux dimensions. Les données sont choisies aléatoirement en tirant un x et un y tel que x, y [0, 100[ ∈ N.
+{{:vide.png|}}
+Les noeuds (25 ici) sont placés aléatoirement dans cet espace comme décrit à l'étape 1 de l'algorithme.
+==== Résultat ====
+Il y a probablement un petit souci quelque part, les noeuds se collent et vont de plus en plus loin ( [170, 170] dans l'exemple ci-dessous). Ceci ne devrait pas arriver puisque les données choisies ont une limite de 100 en x et en y.
+Comment résoudre le problème :
+   * Vérifier les calculs fait
+   * Eventuellement chercher d'autres ressources si les equations paraissent correctes dans le code

DokuWiki