A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

RBFSOM: An Efficient Algorithm for Large-Scale Multi-System Learning RBFSOM: um algoritmo eficiente para aprendizagem multissistema em larga escala

Takashi OHKUBO, Kazuhiro TOKUNAGA, Tetsuo FURUKAWA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Este artigo apresenta um algoritmo eficiente para tarefas de aprendizagem multissistema em larga escala. A arquitetura proposta, denominada 'RBF×SOM', é baseada no SOM2, isto é, um'SOM de SOMs'. Como é o caso da rede modular SOM (mnSOM) com módulos perceptron multicamadas (MLP-mnSOM), o objetivo do RBF×SOM é organizar um mapa contínuo de funções não lineares representando relações de entrada-saída multiclasse dos conjuntos de dados fornecidos. . Ao adotar o algoritmo para o SOM2, o RBF×SOM gera um mapa muito mais rápido que o mnSOM original e sem o problema de mínimos locais. Além disso, o RBF×SOM pode ser aplicado a casos mais difíceis, que não foram facilmente resolvidos pelo MLP-mnSOM. Assim, o RBF×SOM pode lidar com casos em que a densidade de probabilidade das entradas é dependente das classes. Isso tende a acontecer com mais frequência à medida que a dimensão de entrada aumenta. O RBF×SOM, portanto, supera muitos dos problemas inerentes ao MLP-mnSOM, e isso é crucial para aplicação em tarefas de grande escala. Os resultados da simulação com conjuntos de dados artificiais e um conjunto de dados meteorológicos confirmam o desempenho do RBF×SOM.

Publicação
IEICE TRANSACTIONS on Information Vol.E92-D No.7 pp.1388-1396
Data de publicação
2009/07/01
Publicitada
ISSN online
1745-1361
DOI
10.1587/transinf.E92.D.1388
Tipo de Manuscrito
Special Section PAPER (Special Section on Large Scale Algorithms for Learning and Optimization)
Categoria

autores

Palavra-chave