×

ParaGro:一种学习算法,用于生成具有任意输入/输出维度的并行自组织映射。 (英语) Zbl 1092.68726号

摘要:自组织映射(SOM)已成为数据可视化、模式分类或自然语言处理中的热门任务,并且可以被视为当代人工神经网络的主要概念之一。其基本思想是通过低维神经网络结构来近似高维和先前未知的输入分布,以便紧密映射输入空间的拓扑。不仅保留了一般拓扑,而且输入空间的相对密度也反映在最终输出中。Kohonen映射也具有邻居影响的特性。也就是说,当一个神经元决定移动时,它会将所有相邻的神经元拉向同一方向,该方向由一个弹性因子修改。我们提出了一个SOM,它并行处理整个输入,并随着时间的推移自行组织。并行输入处理的主要原因在于,知识可以用于识别输入空间中已经学习的部分模式。因此,可以开发这样的网络,即每次出现一组新的输入向量时,不必从头重新组织其结构,而是根据以前的映射调整其内部结构。一个基本应用程序可以是通过分层体系结构对整体-部分关系进行建模。所提出的神经网络模型实现了任意输入和任意输出维的增长并行SOM结构。该算法的优点在于能够一步处理整个输入空间。网络的所有节点同时计算其步长,因此能够检测出已知模式,而无需重新组织。仿真结果支持以下章节中提出的理论框架。

MSC公司:

68周05 非数值算法

软件:

ParaGro公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Dittenbach M.,程序。IJCNN第15页–(2000)
[2] Fahlman S.,高级神经信息。过程。系统。第524页第2页–(1990年)
[3] DOI:10.1016/0893-6080(94)90091-4·doi:10.1016/0893-6080(94)90091-4
[4] Fritzke B.,神经信息处理系统进展(1995)
[5] Jokusch S.,《神经系统和计算机的并行处理》,第169页–(1990)
[6] 内政部:10.1109/72.80208·数字对象标识代码:10.1109/72.80208
[7] Kohonen T.,《自组织地图》(1995)·Zbl 0957.68097号
[8] Kurzweil R.,《精神机器的时代:当计算机超越人类智能时》(1999)
[9] Malsburg C.,《神经和电子网络导论》第421页–(1990年)
[10] Mann R.,程序。IJCNN-90国际联合协调神经网络。第84页–(1990)
[11] Martinez T.M.,《人工神经网络》第397页–(1993年)
[12] Minsky M.L.,《感知器:计算几何导论》(1988)·Zbl 0197.43702号
[13] Myklebust G.,《数字信号处理国际会议论文集》,第268页–(1995年)
[14] Nordström,T.为自组织地图设计并行计算机。程序。第四届瑞典研讨会。系统。建筑师。,林雪平。
[15] 内政部:10.1016/S0098-3004(96)00040-4·doi:10.1016/S0098-3004(96)00040-4
[16] Tai W.P.,《人工神经网络国际会议论文集》,第33页–(1995)
[17] 内政部:10.1109/IJCNN.2002.1007813·doi:10.1109/IJCNN.2002.1007813
[18] 魏刚L.,Proc。IJCNN(1999)
[19] DOI:10.1016/S0167-8191(05)80069-9·Zbl 0736.68038号 ·doi:10.1016/S0167-8191(05)80069-9
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。