Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: sieć neuronowa autoasocjacyjna

Sortuj według:

Ogranicz wyniki do:

Autoasocjacyjna sieć neuronowa jako narzędzie do nieliniowej kompresji danych

Boniecki P., Przybył J.

Journal of Research and Applications in Agricultural Engineering

2006

Vol. 51, nr 1

37-40

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.

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.

Autoassociative neural networks in the tasks of multivariate data visualization

Raskhevich J., Pękala R., Tkachenko R., Tsymbal Y.

Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika

2002

z. 24 [200]

115-120

Architecture of an two-cascade neural network for the tasks of multivariate data visualization on <> paradigm has been proposed. This architecture is characterized with fast and reliable construction of situational feature maps in the space with smaller dimension. The results of application of the architecture in the test iris plants classification task have been considered. Examples of situational feature maps for different datasets and attributes of irises have been are presented as well.

W pracy przedstawiono architekturę dwuwarstwowej sieci neuronowej do realizacji zadania wizualizacji danych wielowymiarowych. Zaproponowana architektura sieci charakteryzuje się niezawodnością i dużą szybkością działania, generując sytuacyjną mapę cech w przestrzeni o zmniejszonym wymiarze. Wyniki zastosowania powyższej architektury sieci na testowym obrazie "iris" przedstawiono w części eksperymentalnej pracy.