O gás neural é uma rede neural artificial , inspirada em cartões auto-adaptativos , e introduzida em 1991 por Thomas Martinetz e Klaus Schulten . O gás neural é um algoritmo simples para encontrar uma representação ideal dos dados dos vetores principais . O método foi denominado "gás neural" porque a evolução dos principais vetores durante a fase de aprendizado faz pensar em um gás que ocupa um espaço de maneira uniforme.
Este algoritmo é aplicado à compressão de dados ou quantização vetorial , por exemplo, no reconhecimento de linguagem natural , no processamento de imagens ou no reconhecimento de padrões. Como uma alternativa robusta e convergente ao algoritmo K-means , ele pode ser usado para particionamento de dados .
É uma distribuição de probabilidade P (x) sobre o vector x (de dados), e um número terminado de vectores principais w i , i = 1, ..., N .
A cada passo de tempo t (discreto), um vetor de entrada x é desenhado aleatoriamente de acordo com a lei P , para ser apresentado ao algoritmo. Então, os vetores principais são ordenados do mais próximo para o mais distante deste vetor x: i 0 será o índice do vetor principal mais próximo de x, i 1 o índice do segundo mais próximo, etc, e i N-1 representa o índice de o vetor principal mais distante de x . Finalmente, cada vetor principal ( k = 0, ..., N-1 ) é adaptado de acordo com a regra, dependente de k , que está aqui:
com ε a taxa de adaptação e λ o tamanho da vizinhança. Para garantir a convergência, é necessário que ε e λ estejam diminuindo em função de t (ou seja, diminuindo quando t aumenta). Após um número suficiente de etapas de adaptação, os vetores principais cobrem (e representam) o espaço de dados com um erro de representação mínimo (ou quase mínimo).
A etapa de adaptação presente no algoritmo do gás neural pode ser interpretada como uma descida gradiente de uma função de custo . Ao adaptar todos os vetores, e não apenas os mais próximos dos vetores principais , com uma taxa de adaptação inversamente proporcional à distância do vetor x, o algoritmo consegue obter uma convergência muito mais robusta do que sua alternativa, o algoritmo K-médias ( até mesmo sua versão em tempo real).
Observe que o modelo de gás neural nunca remove um nó, mas também nunca adiciona um.
"O segundo explora um algoritmo de gás neural crescente baseado na rotulagem de clusters por maximização de probabilidade (IGNGF - Incremental Growing Neural Gas with Feature maximization)"