Artykuł omawia sztuczne sieci neuronowe (ang. ANN- Artificial neural networks). Jedną z odmian
są sieci Kohonena zwane Mapą Samoorganizującą (ang. SOM – Self Organizing Map) realizują one proces uczenia
się sieci neuronowych samodzielnie tzn. rozpoznają relacje występujące w skupieniach poprzez wykrycie wewnętrznej
struktury i kategoryzują je w procesie samouczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej
do przestrzeni jednowymiarowej lub dwuwymiarowej. Główną cechą SOM jest to, że tworzy on nieliniową
projekcję wielowymiarową kolektora danych na regularnej, niskowymiarowej (zwykle 2D) sieci. Na wyświetlaczu klastrowanie
przestrzeni danych, jak również relacje metryczno-topologiczne elementów danych, są wyraźnie widoczne.
Jeśli elementy danych są wektorami, składniki, których są zmiennymi z określone znaczenie, takie jak deskryptory danych
statystycznych lub pomiary, które opisują proces, siatka SOM może być wykorzystana, jako podstawa, na której
może znajdować się każda zmienna wyświetlane osobno przy użyciu kodowania na poziomie szarości lub pseudo koloru.
Ten rodzaj projekcji został uznany za bardzo przydatny do zrozumienia wzajemnych zależności między zmiennymi,
a także strukturami zbioru danych.
The article discusses artificial neural networks (ANN). One of the varieties is the Kohonen network,
called the Self Organizing Map (SOM), that perform the learning process of neural networks independently, i.e. they
recognize relationships occurring in clusters by detecting an internal structure and categorizing them in the process of
self-learning. SOM is used to form mapping from a multidimensional space to a one-dimensional or two-dimensional
space. The main feature of SOM is that it creates a non-linear multi-dimensional projection of a data collector on a regular,
low-dimensional (usually 2D) network. On the display, data space clustering as well as metric-topological relations
of data elements are clearly visible. If the data elements are vectors, the components of which are variables with defined
meanings, such as statistical data descriptors or measurements that describe the process, the SOM grid can be used as a
basis on which each variable can be displayed separately using gray or pseudo-color coding. This type of projection has
been found to be very useful for understanding the interrelationships between variables as well as data set structures.
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