Details

Title: Применение самоорганизующихся карт Кохонена для формирования представительской выборки при обучении многослойного персептрона // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Физико-математические науки: научное издание. – 2016. –
Creators: Пастухов Алексей Андреевич; Прокофьев Александр Александрович
Organization: Национальный исследовательский университет "Московский институт электронной техники"; Министерство образования и науки Российской Федерации
Imprint: Санкт-Петербург: Изд-во Политехн. ун-та, 2016
Collection: Общая коллекция
Subjects: Радиоэлектроника; Искусственный интеллект. Экспертные системы; нейронные сети; искусственные нейронные сети; самоорганизующиеся карты; карты Кохонена; Кохонена карты; представительские выборки; персептроны; многослойные персептроны; факторные пространства; кластеризация; обучение нейронных сетей
UDC: 004.8
LBC: 32.813
Document type: Article, report
File type: PDF
Language: Russian
DOI: 10.5862/JPM.242.11
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)
Record key: RU\SPSTU\edoc\32430

Allowed Actions: Read Download (1.4 Mb)

Group: Anonymous

Network: Internet

Annotation

Рассмотрен вопрос формирования представительской выборки для обучения нейронной сети типа многослойный персептрон. Обозначены основные проблемы, возникающие в процессе разбиения факторного пространства на тестовое, проверочное и обучающее множества. Предложен подход, основанный на применении кластеризации, позволяющий увеличить энтропию обучающего множества. Рассмотрены самоорганизующиеся карты Кохонена как эффективный метод кластеризации. Сделан вывод о том, что рассматриваемый подход способствует повышению энтропии обучающего множества и, как следствие, приводит к улучшению качества обучения многослойного персептрона при небольшой размерности факторного пространства.

This article discusses formation of representative samples for training the neural network the type multilayer perceptron. Outlines the main problems arising in the process of splitting the factor space for test and training set. The proposed approach is based on the use of clustering, which allows to increase the entropy of the training set. Considered Kohonen self-organizing maps as an effective method of clustering. It is concluded that the approach helps to increase the entropy of the training set and, consequently, leads to an improvement in the quality of training multi-layer perceptron with a small dimension of the factor space.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Usage statistics

stat Access count: 665
Last 30 days: 9
Detailed usage statistics