Carte Auto Adaptative
Un article de Wikipédia, l'encyclopédie libre.
Vous avez de  |
Cet article n'est pas fini. Son état est provisoire et sera modifié. Une version améliorée est en préparation.
|
Carte Auto Adaptative ou auto organisatrice, Self Organizing Map en Anglais SOM, on encore carte de Kohonen selon le nom du statisticien ayant développé le concept en 1984.
La Carte Auto Adaptative est une méthode d'apprentissage non supervisée pour étudier la répartitions de données dans un espace à grande dimension. Elle est basée sur des neurones artificiels.
Il s'agit de reproduire le principe neuronal du cerveau des vertébrés : des stimuli de même nature excitent une région du cerveau bien particulière. Les neurones sont organisés dans le cortex de façon à interpréter tous les types de stimuli imaginables. De la même manière, la carte auto adaptative se déploie de façon à représenter l'ensemble des données présentées à l'algorithme, et chaque neurone se spécialise pour représenter un groupe bien particulier des données selon les points communs qui les rassemblent. Elle permet une visualisation en dimmension multiple de données croisées.
La carte auto adaptative est constituée de neurones dont les dimensions sont identiques à celle des données d'apprentissage. Tout comme dans le cortex, les neurones sont reliés les uns aux autres, c'est la topologie de la carte.
La forme de la carte définie les voisinages des neurones et donc les liaisons entre neurones. La forme la plus simple est la carte linéaire, les neurones ont deux voisins (à gauche et à droite). Les cartes bi-dimensionels à voisinage direct sont des quadrillages avec un neurone à chaque intersection, le voisinage est donc de quatre (au dessus, à droite, en dessous, et à gauche). Il existe encore bien d'autres formes de cartes : cylindrique ou sphèrique par exemple. Dans ces derniers cas, la carte n'a donc pas d'extrémitée.
[modifier] Principe
Après une initialisation aléatoire des valeurs de chaque neurones on soumet une à une les données à la carte auto adaptative. Selon les valeurs des neurones, il y en a un qui répondra le mieux au stimuli. Celui dont la valeur sera la plus proche de la donnée présentée. Alors ce neurone sera gratifié d'un changement de valeur pour qu'il réponde encore mieux à un autre stimuli de même nature que le précédent. Par la même, on gratifie aussi un peu aussi les neurones voisins du gagnant avec un facteur multiplicatif du gain inférieur à un. Ainsi, c'est toute la région de la carte autour du neurone gagnant qui se spécialise. En fin d'algorithme, lorsque les neurones ne bougent plus, ou très peu, à chaque itération, la carte auto organisatrice recouvre toute la topologie des données.
[modifier] Inconvénient des cartes auto adaptatives
Le voisinage dans les cartes auto adaptatives est malheureusement fixe, et une liaison entre neurones ne peut être cassée même pour mieux représenter des données discontinues. Les Growing Cell Structure, ou Growing Neural Gas sont la solution à ce problème. Des neurones et les liasons entre neurones peuvent y être supprimées ou ajoutées quand le besoin s'en fait sentir.
[modifier] Liens
Un site Canadien sur le sujet.( en Anglais.)
Carte adaptative et apprentissage compétitif.(en Anglais.)
