{"id":8070,"date":"2020-03-19T21:28:14","date_gmt":"2020-03-19T20:28:14","guid":{"rendered":"https:\/\/complex-systems-ai.com\/?page_id=8070"},"modified":"2022-12-03T23:03:54","modified_gmt":"2022-12-03T22:03:54","slug":"apprentissage-de-la-quantification-vectorielle","status":"publish","type":"page","link":"https:\/\/complex-systems-ai.com\/es\/algoritmos-neuronales\/aprendizaje-cuantificacion-vectorial\/","title":{"rendered":"Aprendizaje de la cuantificaci\u00f3n de vectores"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"8070\" class=\"elementor elementor-8070\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-d69b721 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"d69b721\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-739312c\" data-id=\"739312c\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-28fabd3 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"28fabd3\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/algorithmes-neuronaux\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Algorithmes neuronaux<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-9d6042a\" data-id=\"9d6042a\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-fb2320d elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"fb2320d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Page d'accueil<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-a7f5c76\" data-id=\"a7f5c76\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-3bea7f1 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"3bea7f1\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/en.wikipedia.org\/wiki\/Learning_vector_quantization\" target=\"_blank\" rel=\"noopener\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Wiki<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-128c87b7 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"128c87b7\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-73382855\" data-id=\"73382855\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-152033c7 elementor-widget elementor-widget-text-editor\" data-id=\"152033c7\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Contenus<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-neuronales\/aprendizaje-cuantificacion-vectorial\/#Algorithme-dapprentissage-de-quantification-vectorielle\" >Algorithme d&rsquo;apprentissage de quantification vectorielle<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Algorithme-dapprentissage-de-quantification-vectorielle\"><\/span>Algorithme d&rsquo;apprentissage de quantification vectorielle<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p class=\"has-text-align-justify\">L&rsquo;apprentissage de quantification vectorielle est li\u00e9 \u00e0 la carte auto-organisatrice qui est \u00e0 son tour inspir\u00e9e par les capacit\u00e9s d&rsquo;auto-organisation des <a href=\"https:\/\/complex-systems-ai.com\/es\/algoritmos-neuronales\/perceptron-es\/\">neurones<\/a> dans le cortex visuel.<\/p>\n\n<p class=\"has-text-align-justify\">L&rsquo;objectif de traitement de l&rsquo;information de l&rsquo;algorithme d&rsquo;apprentissage de quantification vectorielle est de pr\u00e9parer un ensemble de vecteurs codebooks (ou prototype) dans le domaine des \u00e9chantillons de donn\u00e9es d&rsquo;entr\u00e9e observ\u00e9s et d&rsquo;utiliser ces vecteurs pour classer des exemples non trait\u00e9s. Un pool de vecteurs initialement al\u00e9atoire est pr\u00e9par\u00e9 qui est ensuite expos\u00e9 \u00e0 des \u00e9chantillons d&rsquo;apprentissage.<\/p>\n<p class=\"has-text-align-justify\">Une strat\u00e9gie le gagnant prend tout est utilis\u00e9e o\u00f9 un ou plusieurs des vecteurs les plus similaires \u00e0 un mod\u00e8le d&rsquo;entr\u00e9e donn\u00e9 sont s\u00e9lectionn\u00e9s et ajust\u00e9s pour \u00eatre plus proches du vecteur d&rsquo;entr\u00e9e, et dans certains cas, plus \u00e9loign\u00e9s du gagnant pour les finalistes. La r\u00e9p\u00e9tition de ce processus entra\u00eene la distribution de vecteurs codebooks dans l&rsquo;espace d&rsquo;entr\u00e9e qui se rapprochent de la distribution sous-jacente des \u00e9chantillons de l&rsquo;ensemble de donn\u00e9es de test.<\/p>\n\n<p class=\"has-text-align-justify\">L&rsquo;algorithme d&rsquo;apprentissage de quantification vectorielle est une technique de traitement du signal o\u00f9 les fonctions de densit\u00e9 sont approxim\u00e9es avec des vecteurs prototypes pour des applications telles que la compression. L&rsquo;apprentissage de la quantification vectorielle est similaire en principe, bien que les vecteurs prototypes soient appris par une m\u00e9thode supervis\u00e9e le gagnant prend tout.<\/p>\n\n<p class=\"has-text-align-justify\">L&rsquo;algorithme suivant fournit un <a href=\"https:\/\/complex-systems-ai.com\/es\/algoritmico\/pseudo-lenguaje-y-diagrama-de-flujo\/\">pseudocode<\/a> pour pr\u00e9parer des vecteurs codebooks \u00e0 l&rsquo;aide de la m\u00e9thode d&rsquo;apprentissage de quantification vectorielle. Les vecteurs codebooks sont initialis\u00e9s \u00e0 de petites valeurs \u00e0 virgule flottante ou \u00e9chantillonn\u00e9s \u00e0 partir d&rsquo;un ensemble de donn\u00e9es disponible. L&rsquo;unit\u00e9 de meilleure correspondance (BMU) est le vecteur codebooks du pool qui a la distance minimale \u00e0 un vecteur d&rsquo;entr\u00e9e. Une mesure de distance entre les motifs d&rsquo;entr\u00e9e doit \u00eatre d\u00e9finie. Pour les vecteurs \u00e0 valeur r\u00e9elle, il s&rsquo;agit g\u00e9n\u00e9ralement de la distance euclidienne:<\/p>\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"aligncenter wp-image-8066 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/lvq1.png\" alt=\"algorithme apprentissage de quantification vectorielle\" width=\"241\" height=\"70\" title=\"\"><\/figure>\n\n<p class=\"has-text-align-justify\">o\u00f9 n est le nombre d&rsquo;attributs, x est le vecteur d&rsquo;entr\u00e9e et c est un vecteur codebooks donn\u00e9.<\/p>\n\n<figure class=\"wp-block-image size-large\"><img fetchpriority=\"high\" decoding=\"async\" class=\"aligncenter wp-image-8067 size-full\" src=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/lvq2.png\" alt=\"algorithme apprentissage de quantification vectorielle\" width=\"497\" height=\"486\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/lvq2.png 497w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/03\/lvq2-300x293.png 300w\" sizes=\"(max-width: 497px) 100vw, 497px\" \/><\/figure>\n\n<p class=\"has-text-align-justify\">La quantification des vecteurs d&rsquo;apprentissage a \u00e9t\u00e9 con\u00e7ue pour les probl\u00e8mes de classification qui contiennent des ensembles de donn\u00e9es existants qui peuvent \u00eatre utilis\u00e9s pour superviser l&rsquo;apprentissage par le syst\u00e8me. L&rsquo;algorithme ne prend pas en charge les probl\u00e8mes de <a href=\"https:\/\/complex-systems-ai.com\/es\/correlacion-y-regresiones\/\">r\u00e9gression<\/a>. LVQ est non param\u00e9trique, ce qui signifie qu&rsquo;il ne repose pas sur des hypoth\u00e8ses concernant la structure de la fonction qu&rsquo;il est en train d&rsquo;approcher. Les valeurs r\u00e9elles dans les vecteurs d&rsquo;entr\u00e9e doivent \u00eatre normalis\u00e9es de telle sorte que x soit dans [0; 1].<\/p>\n\n<p class=\"has-text-align-justify\">La distance euclidienne est couramment utilis\u00e9e pour mesurer la distance entre des vecteurs \u00e0 valeur r\u00e9elle, bien que d&rsquo;autres mesures de distance puissent \u00eatre utilis\u00e9es (comme le produit scalaire), et des mesures de distance sp\u00e9cifiques aux donn\u00e9es peuvent \u00eatre requises pour les attributs non scalaires. Il doit y avoir des it\u00e9rations d&rsquo;entra\u00eenement suffisantes pour exposer toutes les donn\u00e9es d&rsquo;entra\u00eenement au mod\u00e8le plusieurs fois. Le taux d&rsquo;apprentissage est typiquement lin\u00e9airement d\u00e9croissant au cours de la p\u00e9riode d&rsquo;apprentissage en partant d&rsquo;une valeur initiale proche de z\u00e9ro. Plus la distribution des classes est complexe, plus il faudra de vecteurs codebooks, certains probl\u00e8mes peuvent en n\u00e9cessiter des milliers.<\/p>\n<p class=\"has-text-align-justify\">Plusieurs passes de l&rsquo;algorithme de formation LVQ sont sugg\u00e9r\u00e9es pour une utilisation plus robuste, o\u00f9 la premi\u00e8re passe a un taux d&rsquo;apprentissage \u00e9lev\u00e9 pour pr\u00e9parer les vecteurs codebooks et la seconde passe a un faible taux d&rsquo;apprentissage et s&rsquo;ex\u00e9cute pendant une longue p\u00e9riode (peut-\u00eatre 10 fois plus d&rsquo;it\u00e9rations).<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>P\u00e1gina de inicio de Wiki de algoritmos neuronales Algoritmo de aprendizaje de cuantificaci\u00f3n vectorial El aprendizaje de cuantificaci\u00f3n vectorial est\u00e1 relacionado con el mapa de autoorganizaci\u00f3n que, a su vez, es ... <\/p>","protected":false},"author":1,"featured_media":0,"parent":7157,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-8070","page","type-page","status-publish","hentry"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/8070","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/comments?post=8070"}],"version-history":[{"count":6,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/8070\/revisions"}],"predecessor-version":[{"id":18918,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/8070\/revisions\/18918"}],"up":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/7157"}],"wp:attachment":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/media?parent=8070"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}