Методы разбиения на классы
RomanЧИК18 июля 2001Data Mining3 комментария
RomanЧИК18 июля 2001Data Mining3 комментария
Подскажите плз архитектуры сетей позволяющие разбить набор обучающих примеров не на заранее определенное колличество классов (как у Кохенена), а на такое колличество которое сеть считает "оптимальным".
Т.е. сеть сама определяет колличество классов в обучающей выборке.
И если можно источники где более детально почитаь можно.
Удачи!
Комментарии
Войдите или зарегистрируйтесь для добавления комментариев.
Дмитрий Брилюк
20 июля 2001 17:48 Ссылка
Обновлён
Там есть книжка про НС, ГА и виртуальную реальность
радиально-базисная сеть в процессе обучения выделяет оптимальное число кластеров
есть так же другие методы обучения радиально-базисных сетей, когда в процессе обучения увеличивается число кластеров если надо, настраиваются их центры и радиусы (вроде даже разновидностью градиентного спуска)
Попробуй написать vatkin@tut.by, он этим занимался
Не совсем правильно утверждать, что карта Кохонена разбивает на _заданное_ количество кластеров. На самом деле этоотносится к методу динамических ядер, а самоорганизующиеся карты всего навсето проецируют многомерный набор данных на двумерныю плоскость. А количество кластеров у нас _не_будет_ рано количеству узлов в карте. Для нахождения кластеров необходимо вычислить унифицированную матрицу расстояний для карты, и, визуализировав ее, можно определить, сколько кластеров у нас получилось.