شبکه عصبی گازی یا شبکه گاز عصبی (Neural Gas Network) یکی از انواع شبکه های عصبی رقابتی با الگوی یادگیری غیر نظارت شده است، که کاربرد اصلی آن در حل مسائل خوشه بندی (Clustering) و یادگیری توپولوژی (Topology) است. الگوریتم پایه شبکه عصبی گازی در سال 1991 و توسط توماس مارتینز (Thomas Martinetz) و کلاوز شولتن (Klaus Schulten) ارائه شد. متن این مقاله از طریق این لینک (+) در دسترس است. این نوع از شبکه عصبی، از نظر طبقه بندی در رده الگوریتم های Vector Quantization (به اختصار VQ) قرار می گیرد و ارتباط بسیار نزدیکی با الگوریتم خوشه بندی k-Means، شبکه عصبی SOM (نگاشت های خود سازمان ده) و شبکه عصبی LVQ دارد. شبکه گاز عصبی علاوه بر انجام خوشه بندی و قرار دادن مرکز خوشه ها در محل مناسب، ارتباط های همسایگی میان نورون ها (مراکز خوشه ها) را به صورت پویا ایجاد می کند، که در نهایت این الگوریتم را، قادر به یادگیری توپولوژی می کند. از مهم ترین زمینه های کاربردی شبکه های عصبی گازی، می توان به بخش بندی تصویر (Image Segmentation)، فشرده سازی (Compression)، تشخیص گفتار (Speech Recognition) و بازشناسی الگو (Pattern Recognition) اشاره کرد.
