یادگیری زیرفضاها بر اساس حداکثر سازی آنتروپی توأم در یک نقشه خود سازمانده زیرفضای تطبیقی

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,549

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE14_160

تاریخ نمایه سازی: 25 تیر 1387

چکیده مقاله:

ارائ ه داده ها با چند زیرفضای خطی، با حفظ سادگی می تواند برای ساختارهای غیر خطی داده ها نیز عملکرد مطلوب داشته باشد. شبک ه خود سازمانده زیرفضای تطبیقی (ASSOM) چنین ارائه ای با چند زیرفضای خطی را از داده های ورودی به صورت بی نظارت یاد می گیرد. اما این شبکه مشکلاتی دارد که از آن جمله میتوان به ارائ ه غیر عادلانه، ناپایداری، و محدودیت عبور زیر فضاها از مبدأ اشاره نمود. در این مقاله برای رفع مشکلات مذکور قوانین یادگیری جدیدی بر اساس حداکثر سازی آنتروپی توأم خروجی نورون ها به دست می آیند. ارزیابی قوانین حاصل کارایی مطلوب آنها را نشان می دهد.

کلیدواژه ها:

نقش ه خود سازمانده ، تطبیقی ، زیرفضا ، حداکثر سازی آنتروپی

نویسندگان

پیمان ادیبی

آزمایشگاه بینایی و هوش محاسباتی، دانشکده مهندسی کامپیوتر و فناوری اط

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • _ Kohonen, ،The adaptive subspace SON (ASSOM) and its use ...
  • T. Kohonen, S. Kaski, and H. Lappalainen, ،<Self- organized formation ...
  • T. Kohonen, Sel f-Organizing Maps, 3rd ed. Springer- Verlag, Berlin, ...
  • N. Mayer, J.M. Hermann, and T. Geisel, *Retinotopy and spatial ...
  • J. Jones and L. Palmer، An evaluation of the two- ...
  • E. Lopez-Rubio, J. Munoz-Perez, _ A. Gomez- Ruiz., *A principal ...
  • M. M. Van Hulle, ،Faithful _ epresentations with topographic maps, ...
  • Z. Liu, *Adaptive subspace sel f-organizing map and its applications ...
  • B. Zhang, M. Fu, H. Yan, and M. A. Jabri, ...
  • E.C. Malthouse, ،[Limitations of nonlinear PCA as performed with generic ...
  • S. Haykin, Neural Networks: A C omprehensive Foundation, 2nd Ed., ...
  • M. M. Van Hulle, *Joint entropy maximization in kernel-based topographic ...
  • A. J. Bell and T. J. Sejnowski, ،An information- maximization ...
  • M. Tipping and C. Bishop, ،#Mixture of Probabilistic Principal Component ...
  • نمایش کامل مراجع