Self Organizing Maps with Delay Actualization

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86095466" target="_blank" >RIV/61989100:27240/15:86095466 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/15:86095466

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007%2F978-3-319-24369-6_13" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-24369-6_13</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-24369-6_13" target="_blank" >10.1007/978-3-319-24369-6_13</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Self Organizing Maps with Delay Actualization

Popis výsledku v původním jazyce

The paper deals with the Self Organizing Maps (SOM). The SOM is a standard tool for clustering and visualization of high-dimensional data. The learning phase of SOM is time-consuming especially for large datasets. There are two main bottleneck in the learning phase of SOM: finding of a winner of competitive learning process and updating of neurons&apos; weights. The paper is focused on the second problem. There are two extremal update strategies. Using the first strategy, all necessary updates are done immediately after processing one input vector. The other extremal choice is used in Batch SOM - updates are processed at the end of whole epoch. In this paper we study update strategies between these two extremal strategies. Learning of the SOM with delay updates are proposed in the paper. Proposed strategies are also experimentally evaluated.

Název v anglickém jazyce

Self Organizing Maps with Delay Actualization

Popis výsledku anglicky

The paper deals with the Self Organizing Maps (SOM). The SOM is a standard tool for clustering and visualization of high-dimensional data. The learning phase of SOM is time-consuming especially for large datasets. There are two main bottleneck in the learning phase of SOM: finding of a winner of competitive learning process and updating of neurons&apos; weights. The paper is focused on the second problem. There are two extremal update strategies. Using the first strategy, all necessary updates are done immediately after processing one input vector. The other extremal choice is used in Batch SOM - updates are processed at the end of whole epoch. In this paper we study update strategies between these two extremal strategies. Learning of the SOM with delay updates are proposed in the paper. Proposed strategies are also experimentally evaluated.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Lecture notes in computer science. Volume 9339

ISBN

978-3-319-24368-9

ISSN

0302-9743

e-ISSN

neuvedeno

Počet stran výsledku

13

Strana od-do

154-165

Název nakladatele

Springer

Místo vydání

Basel

Místo konání akce

Varšava

Datum konání akce

24. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000366016000013