REDES AUTOORGANIZADAS
Páginas: 4 (791 palabras)
Publicado: 25 de septiembre de 2015
REDES AUTOORGANIZADAS
MODELOS NEURONALES NO SUPERVISADOS
Otro gran grupo de modelos neuronales son los no supervisados o autoorganizados. Se caracterizan porque en su entrenamiento no se presentanlas salidas objetivo que se desena asociar a cada patrón de entrada.
El tipo de procesamiento que una red neuronal no supervisada puede realizar depende de su arquitectura.
Algunos son:
a) Análisisde similitud entre patrones.
b) Análisis de componentes principales.
c) Agrupamiento/clasificacion (clustering).
d) Memoria asociativa.
e) Codificacion.
f) Mapas de rasgos.
Representación DeFunciones Densidad De Probabilidad
En primer lugar mostramos la capacidad del SOFM para representar funciones densidad de probabilidad, y como preserva la topología del espacio de entrada. Como el numero deneuronas que se especializan en reconocer un tipo de patrón esta en relación a la probabilidad de aparición de su clase, la distribución de los vectores de referencia aproxima la forma de la funcióndensidad de probabilidad del espacio sensorial.
En un primer caso, clásico en la literatura de los SOFM (Kohonen 89, 90), supondremos un espacio sensorial de dimensión dos, cuyos vectores sedistribuyen uniformemente en el interior de un cuadrado de lado unidad, siendo nula la función densidad en el exterior.
En ocasiones, debido a una elección de los parámetros de aprendizaje indebida(normalmente, un pequeño radio de vecindad inicial), o a causa de la aleatoriedad del proceso, puede alcanzarse como solución mapas incorrectamente desarrollados.
Minería de datos: WEBSOM
Un modelo de SOFMmodificado denominado WEBSOM se ha propuesto para la organización de la ingente masa de datos disponible en internet. Remitimos al lector interesado directamente a las referencias (Kohonen 97, Kohonen00).
SOFM: CUANTIFICACIÓN OPTIMA DE VECTORES
Hasta ahora se han descrito los SOFM como sistemas capaces de realizar clustering, representar densidades de probabilidad o proyectar un espacio de...
MODELOS NEURONALES NO SUPERVISADOS
Otro gran grupo de modelos neuronales son los no supervisados o autoorganizados. Se caracterizan porque en su entrenamiento no se presentanlas salidas objetivo que se desena asociar a cada patrón de entrada.
El tipo de procesamiento que una red neuronal no supervisada puede realizar depende de su arquitectura.
Algunos son:
a) Análisisde similitud entre patrones.
b) Análisis de componentes principales.
c) Agrupamiento/clasificacion (clustering).
d) Memoria asociativa.
e) Codificacion.
f) Mapas de rasgos.
Representación DeFunciones Densidad De Probabilidad
En primer lugar mostramos la capacidad del SOFM para representar funciones densidad de probabilidad, y como preserva la topología del espacio de entrada. Como el numero deneuronas que se especializan en reconocer un tipo de patrón esta en relación a la probabilidad de aparición de su clase, la distribución de los vectores de referencia aproxima la forma de la funcióndensidad de probabilidad del espacio sensorial.
En un primer caso, clásico en la literatura de los SOFM (Kohonen 89, 90), supondremos un espacio sensorial de dimensión dos, cuyos vectores sedistribuyen uniformemente en el interior de un cuadrado de lado unidad, siendo nula la función densidad en el exterior.
En ocasiones, debido a una elección de los parámetros de aprendizaje indebida(normalmente, un pequeño radio de vecindad inicial), o a causa de la aleatoriedad del proceso, puede alcanzarse como solución mapas incorrectamente desarrollados.
Minería de datos: WEBSOM
Un modelo de SOFMmodificado denominado WEBSOM se ha propuesto para la organización de la ingente masa de datos disponible en internet. Remitimos al lector interesado directamente a las referencias (Kohonen 97, Kohonen00).
SOFM: CUANTIFICACIÓN OPTIMA DE VECTORES
Hasta ahora se han descrito los SOFM como sistemas capaces de realizar clustering, representar densidades de probabilidad o proyectar un espacio de...
Leer documento completo
Regístrate para leer el documento completo.