Dynamical clustering of streaming data with a growing neural gas network Grupowanie dynamiczne strumieni danych z zastosowaniem sieci typu growing neural gas
One of characteristic feature of contemporary data bases is their growing dynamics.
The number of registered entities as well as their group structure tends to dynamically
grow. In order to effectively determine the rapidly changing number and structure of
clusters, appropriate methods of cluster analysis have to be applied. The paper presents the
results of simulation research concerning the possibility of applying self-learning GNG
neural networks in clustering data from data streams.
Jedną z charakterystycznych cech współczesnych zbiorów danych jest ich
dynamika. Liczba zarejestrowanych obiektów, jak również ich struktura grupowa potrafi
zmienić się wielokrotnie w ciągu sekund. W celu skutecznego wykrycia liczby skupień
i struktury grupowej rejestrowanych obiektów konieczne staje się zastosowanie specjalnych
metod analitycznych. W artykule przedstawiono wyniki badań symulacyjnych w zakresie
możliwości zastosowania samouczących się sztucznych sieci neuronowych typu GNG
w grupowaniu strumieni danych.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00