Ocena wpływu parametrów sterujących procesem samouczenia się sieci GNG na ich zdolność do separowania skupień

• Autorzy: Krzysztof Najman

Warianty tytułu

The Assessment of Influence of Parameters Controlling the Self-Learning Process of GNG Network on Its Ability to Separate Clusters

• Języki publikacji: PL

Abstrakty

Celem prezentowanych badań jest ocena wpływu wartości parametrów sterujących procesem samouczenia się sieci GNG na jakość uzyskanej klasyfikacji, szczegół w sytuacji, gdy skupienia są słabo separowalne. Prezentowane badania opisują teoretyczny wpływ poszczególnych parametrów sterujących algorytmem GNG na strukturę i zdolność rozwiązywania problemów przez sieć. Zaprezentowano także wyniki badań symulacyjne potwierdzających tezę, że optymalny wybór parametrów sterujących pozwala znacznie zwiększyć zdolność sieci GNG do poprawnej identyfikacji skupień.(abstrakt oryginalny)

EN

The aim of research is the assessment of influence of parameters controlling the self-learning process of GNG network on the quality of received classification, especially in a situation when clusters are weakly separated. Research describes the theoretical influence of individual parameters controlling the GNG algorithm on the structure and the ability to solve problems through GNG network. The paper also presents the results of simulation research confirming the thesis that the optimal control parameters choice enables increasing the GNG network's ability to identify clusters.(original abstract)

Słowa kluczowe

PL

Uczenie sieci neuronowych; Analiza skupień; Klasyfikacja; Eksperyment badawczy

EN

Learning of neural networks; Cluster analysis; Classification; Scientific experiment

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2010
• Tom: 17
• Numer: nr 107 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 296--304

Twórcy

autor

Krzysztof Najman

• Uniwersytet Gdański

Bibliografia

• Fritzke В., Growing cell structures - a self-organizing network for unsupervised and supervised learning, "Neural Networks" 1994 vol. 7, no 9, s. 1441-1460.
• Kohonen Т., Self-Organizing Maps, Springer Series in Information Sciences, Springer-Verlag, Berlin Heidelberg 1997.
• Najman K., Zastosowanie nienadzorowanych sieci neuronowych typu Growing Neural Gas w analizie skupień, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 47, UE, Wrocław 2009.