Self-Organizing Map
Une grille de Kohonen apprend quatre groupes reproductibles ; comparer les erreurs et examiner chaque mise à jour.
À propos de cet outil
Une grille de Kohonen 12×12 apprend des données 2D sans classes. Les points sont uniformes dans quatre petits carrés autour de (0,3/0,7;0,3/0,7), non gaussiens. La graine détermine les données, les poids aléatoires dans [0,1)² et l’ordre des exemples.
Chaque mise à jour tire un point avec remise. Le poids le plus proche gagne (distance euclidienne ; égalités par ligne/colonne). Chaque unité se rapproche du point par η exp(−d²/(2σ²)), où d est la distance dans la grille, pas dans les données.
Pour t de 0 à T−1, η=η₀(1−t/T), σ=max(0,4;3(1−t/T)). Les valeurs affichées sont celles du dernier pas ; le taux final n’est pas nul. Un pas traite un point, l’animation douze pas par image visible. Pause conserve les poids ; modifier les entrées ou réinitialiser supprime l’exécution.
L’erreur de quantification est la distance euclidienne moyenne de chaque point au poids le plus proche. Erreurs initiale et actuelle utilisent tous les points. Ce n’est ni une précision de classification ni une erreur topologique ; elle peut augmenter après un pas. CSV exporte les 144 poids et les paramètres.
Les lignes relient les unités voisines. Des croisements peuvent rester ; une initialisation aléatoire et un apprentissage court ne garantissent pas une carte ordonnée. Les axes sont sans unité. Démonstration limitée, pas un service général de regroupement.