Autoasocjacyjna sieć neuronowa jako narzędzie do nieliniowej kompresji danych

• Autorzy: Boniecki P. , Przybył J.

Warianty tytułu

EN

The artificial neural nerwork as a helping tool in the process of non-linear data compression

• Języki publikacji: PL

Abstrakty

PL

Sieci autoasocjacyjne to sieci, które odtwarzają wartości wejściowe na swoich wyjściach. Działanie takie zdecydowanie ma sens, ponieważ rozważana sieć autoasocjacyjna posiada w warstwie środkowej (ukrytej) zdecydowanie mniejszą liczbą neuronów niż w warstwie wejściowej czy wyjściowej. Dzięki takiej budowie dane wejściowe muszą przecisnąć się przez swojego rodzaju zwężenie w warstwie ukrytej sieci, kierując się w do wyjścia. Dlatego też, w celu realizacji stawianego jej zadania reprodukcji informacji wejściowej na wyjściu, sieć musi się najpierw nauczyć reprezentacji obszernych danych wejściowych za pomocą mniejszej liczby sygnałów produkowanych przez neurony warstwy ukrytej, a potem musi opanować umiejętność rekonstrukcji pełnych danych wejściowych z tej "skompresowanej" informacji. Oznacza to, że sieć autoasocjacyjna w trakcie uczenia zdobywa umiejętność redukcji wymiaru wejściowych danych.

EN

An autoassociative network is one which reproduces its inputs as outputs. Autoassociative networks have at least one hidden layer with less units than the input and output layers (which obviously have the same number of layers as each other). Hence, autoassociative networks perform some sort of dimensionality reduction or compression on the cases. Dimensionality reduction can be used to pre-process the input data to encode Information in a smaller number of variables. This approach recognizes that the intrinsic dimensionality of the data may be lower than the number of variables. In other words, the data can be adequately described by a smaller number of variables, if the right transformation can be found.

Słowa kluczowe

PL

sieć neuronowa; sieć neuronowa autoasocjacyjna; kompresja danych

EN

artificial neural network; data compression; autoassociative network

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2006
• Tom: Vol. 51, nr 1
• Strony: 37--40
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Boniecki P.

autor

Przybył J.

• Akademia Rolnicza w Poznaniu, Instytut Inżynierii Rolniczej

Bibliografia

• [1] Bishop C., (1995). Neural Networks for Pattern Recognition. Oxford: University Press.
• [2] Fausett L., (1994). Fundamentals of Neural Networks. New York: Prentice Hall.
• [3] Bouland H., Kamp Y., (1988). Auto-association by multilayer perceptrons and singular value decomposition. Biological Cybernetics 59, 291-294.
• [4] Kramer M.A, (1991). Nonlinear principal components analysis using autoassociative neural networks. AlChe Journal 37 (2), 233-243.
• [5] Osowski S. (2000). Sieci neuronowe do przetwarzania informacji: Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa
• [6] Stateczny A., Praczyk T. (2002). Sztuczne sieci neuronowe w rozpoznawaniu obiektów morskich: GTN, Gdynia
• [7] Tadeusiewicz R. (1993). Sieci neuronowe: Akademicka Oficyna Wydawnicza, Warszawa
• [8] Boniecki P., Piekarska-Boniecka H.(2004). Neuronowa identyfikacja wybranych szkodników drzew owocowych w oparciu o analizę obrazu: Journal of Research and Applications in Agricultural Engineering, Vol. 49(3), str.25-30.