PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2012 | nr 2 (36) | 65--74
Tytuł artykułu

Sieć SOM jako przykład sieci samoorganizującej się

Autorzy
Treść / Zawartość
Warianty tytułu
SOM Neural Network as an Example of the Self-Organizing Neural Network
Języki publikacji
PL
Abstrakty
Artykuł prezentuje sieć SOM jako przykład sieci samoorganizującej się. Zawiera podstawowe informacje o tej sieci: jej genezę, strukturę, sposób funkcjonowania i metodę uczenia (uczenie nienadzorowane z konkurencją). Ponadto autorka opisuje proces weryfikacji samoorganizujących się map cech oraz algorytm Kohonena wykorzystywany podczas trenowania sieci SOM. (abstrakt oryginalny)
EN
The article presents SOM as an example of self-organizing neural network. The paper includes basic information about SOM: origin, structure, functioning and learning method (unsupervised and competitive learning). Furthermore, the author describes a verification process of self-organizing feature maps and Kohonen's algorithm which is used for the SOM training. (original abstract)
Rocznik
Numer
Strony
65--74
Opis fizyczny
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Anhalt S.C., Krishnamurthy A.K., Chen P., Melton D.E., Competitive learning algorithms for vector quantization, "Neural Networks" 1990, vol. 3.
  • DeSieno D., Adding a conscience to competetive learning, Proc. II IEEE Conf. Neural Networks, 1988, vol. 1.
  • Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R., Sieci neuronowe, "Biocybernetyka i Inżyniera Biomedyczna" 2000, t. 6, Akademicka Oficyna Wydawnicza Exit, Warszawa 2000.
  • Galanopoulos A.S., Moses R.L., Anhalt S.C., Diffusion approximation of frequency sensitive competitive learning, IEEE Trans. Neural Network 1998,vol. 8.
  • Kohonen T., Analysis of a simple self-organizing process, "Biological Cybernetics" 1982a, vol. 44.
  • Kohonen T., Self-organizing formation of topologically correct feature maps, "Biological Cybernetics" 1982b, vol. 43.
  • Kohonen T., Self-organizing Maps, Heidelberg Springer Verlag, Berlin 1995.
  • Krzyśko M., Wołyński W., Górecki T., Skorzybut M., Systemu uczące się - rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości, Wydawnictwo Naukowo-Techniczne, Warszawa 2008.
  • Lasek M., Data Mining - zastosowania w analizach i ocenach klientów bankowych, Biblioteka Menedżera i Bankowca, Warszawa 2002.
  • Lasek M., Metody Data Mining w analizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw, Difin, Warszawa 2007.
  • Larose D.T., Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, PWN, Warszawa 2006.
  • Lula P., Paliwoda-Pękosz G., Tadeusiewicz R., Metody sztucznej inteligencji i ich zastosowania w ekonomii i zarządzaniu, Wydawnictwo AE, Kraków 2007.
  • Malsburg C., Self-organization of orientation sensitive cells in the striate cortex, "Kybernetik" 1973, vol. 14.
  • Migdał-Nejman K., Analiza porównawcza samouczących się sieci neuronowych typu SOM i GNG w poszukiwaniu reguł asocjacyjnych, [w:] K. Jajuga, M. Walesiak (red.), Taksonomia 18, Klasyfikacja i analiza danych - teoria i zastosowania, Wydawnictwo UE, Wrocław 2011.
  • Mynarski S., Metody badań marketingowych, PWE, Warszawa 1990.
  • Ritter H., Self-organizing feature-maps: Kohonen maps, [w:] M.A. Arbib (ed.), The Handbook of Brain Theory and Neural Networks, MIT Press, Cambridge, MA 1995.
  • Tarczyński G., Algorytm Kohonena w analizie danych ekonomicznych, Wydawnictwo UE, Wrocław 2011.
  • Zieliński J.S., Inteligentne systemy w zarządzaniu - teoria i praktyka, PWN, Warszawa 2000.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171214049

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.