Modélisation Statistique Par Cartes Topologiques De Kohonen

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Le travail présenté dans ce mémoire décrit d'une manière détaillée les cartes auto organisatrices de Kohonen, certaines de leurs applications et leurs principales variantes. Ces cartes appartiennent à la famille des réseaux à apprentissage non supervisé et plus précisément à la famille des réseaux à compétition. Le réseau est constitué de deux couches : une couche d'entrée (vecteurs d'entrée) et une couche de sortie (les neurones). Les neurones sont représentés par des vecteurs code (des poids). L'algorithme qui régit ces cartes est itératif. Son initialisation consiste à associer à chaque classe un vecteur code choisi de manière aléatoire. A chaque étape de l'algorithme, une observation est choisie au hasard, elle est comparée à tous les vecteurs codes à l'aide d'une distance donnée a priori. Le vecteur code représentant la plus petite distance déterminera la classe gagnante. On rapproche alors de l'observation les codes de la classe gagnante et des classes voisines. Deux applications de l'algorithme de Kohonen ont été faites en utilisant des données du PNUD relatives à 118 pays et les données des 48 wilayas d'Algérie en se servant des résultats du RGPH de l'année 1998.

روابط وملفات

التعريف والنوع

رقم الوثيقة

f651e839-6119-428e-b637-11758b70d066

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل ماجيستير

نوع الملف

word

أسماء الملفات

1377283_1.docx, 1377283_2.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"سميرة بشاري","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"محمد جدور","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Modélisation Statistique Par Cartes Topologiques De Kohonen

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

The present work relates in details Self Organizing Maps of Kohonen, some of their applications and their principals variants. Self Organizing Maps of Kohonen belong to the family of unsupervised training networks with competitive layer. The SOM network has two layers of nodes, the input layer and the Kohonen layer (output layer). The output nodes are chosen randomly. The corresponding algorithm is iterative. At first, we chose an observation from the input data. Then, this observation is compared to all nodes with a particular distance. The node who presents the smallest distance is the winner. The nodes of the winner’s neighborhood and the winner are getting closer to the observation. We applied the algorithm to a PNUD’s data set of 118 countries and to the RGPH’s data set for the 48 wilaya te of Algeria.

كلمات الباحثين

cartes auto organisatrices de Kohonen, Classification, Clustering analysis, Kohonen, Neural Networks, préservation du voisinage, preserving neighborhood, Réseaux de Neurones, Self Organising Maps

إشراف وإعداد

الإشراف

محمد جدور

الإعداد

سميرة بشاري

الاقتباسات الببليوغرافية