- Карты Кохонена, расслабляющие победителя и усиливающие победителя: максимальная взаимная информация от усиления победителя (arXiv)
Автор:Йенс Кристиан Клауссен
Аннотация: поведение увеличения обобщенного семейства самоорганизующихся карт признаков, алгоритмов Winner Relaxing и Winner Enhancing Kohonen анализируется с помощью закона увеличения в одномерном случае, который может быть получен аналитически. Случай Winner-Enhancing позволяет достичь степени увеличения, равной единице, и, следовательно, обеспечивает оптимальное отображение в смысле теории информации. Включена численная проверка закона увеличения и проанализировано поведение упорядочивания. По сравнению с исходной самоорганизующейся картой и некоторыми другими подходами обобщенный алгоритм принудительного выполнения Winner требует минимальных дополнительных вычислений на шаг обучения и легко реализуем.
2. Автоматизированная классификация астрономических кривых блеска с использованием самоорганизующихся карт Кохонена (arXiv)
Автор:Дэвид Р. Бретт, Ричард Дж. Уэст, Питер Дж. Уитли
Аннотация: мы применяем технику самоорганизующихся карт (Кохонен, 1990) для автоматизированной классификации однократно периодических астрономических кривых блеска. Мы обнаружили, что наши карты легко различают типы кривых блеска как в синтетических, так и в реальных наборах данных, и что полученные карты не сильно зависят от выбранных параметров обучения. Автоматизированные методы анализа данных, вероятно, будут становиться все более важными, поскольку размер наборов астрономических данных продолжает увеличиваться, особенно с появлением сверхширокоугольных обзорных телескопов, таких как WASP, RAPTOR и ASAS.
3. Автоматическая классификация источников с использованием сети Кохонена (arXiv)
Автор:Петри Махонен, Паси Хакала
Аннотация: мы сообщаем о прогрессе в разработке автоматического классификатора звезд/галактик для обработки изображений, полученных в результате крупных обзоров галактик, таких как APM. Наш метод классификации основан на нейронных сетях с использованием подхода самоорганизующейся карты Кохонена. Наш метод является новым, так как не требует обучения с учителем, т.е. человеческого фактора в обучении. Представленный здесь анализ сосредоточен на отделении точечных источников (звезд) от протяженных. Используя простые численные эксперименты, мы сравниваем наш метод классификации изображений с более традиционным (подгонка PSF) подходом DAOFIND.
4.Биологические принципы самоорганизации молодого мозга — Взгляд из модели Кохонена (arXiv)
Автор: Танги Паллавер, Хельмут Крогер, Марк Паризо
Аннотация:предложены варианты модели Кохонена для изучения биологических принципов самоорганизации в модели молодого мозга. Мы предлагаем функцию для измерения приобретенных знаний и использования ее для автоматической адаптации топологии нейронной связи, что дает существенное организационное улучшение по сравнению со стандартной моделью. На ранней стадии организации с наиболее интенсивным обучением мы наблюдаем, что нейронная связность относится к типу «Маленький мир», что очень эффективно для организации нейронов в ответ на стимулы. По аналогии с человеческим мозгом, где сокращение нейронной связи (и гибель нейронных клеток) происходит в раннем возрасте, эта особенность присутствует и в нашей модели, которая, как обнаружено, стабилизирует реакцию нейронов на стимулы.
5. Условия жизни: классификация домохозяйств по алгоритму Кохонена (arXiv)
Автор:Софи Понтье, Мари Коттрелл
Аннотация: При анализе бедности и социальной изоляции индикаторы условий жизни представляют собой некоторые интересные немонетарные дополнения к обычным измерениям с точки зрения текущего или годового дохода. Условия жизни на самом деле зависят от более долгосрочных факторов, чем доход, и предоставляют дополнительную информацию о фактических ресурсах домохозяйств, что позволяет более точно сравнивать уровни жизни. Но, в свою очередь, трудность возникает из-за качественного характера информации и большого количества аспектов и элементов, которые могут быть приняты во внимание; иными словами, условия жизни трудно «измерить». Следствием этого является то, что очень часто информация либо используется лишь частично, либо сводится к общей оценке (плохих) условий жизни, что является результатом подсчета «отрицательных» элементов, и качественное измерение теряется. В данной работе мы предлагаем использовать алгоритм Кохонена, во-первых, для описания того, как сочетаются элементы условий жизни, а во-вторых, для классификации домохозяйств по их условиям жизни. Основной интерес классификации состоит в том, чтобы выявить не только количественные различия в «уровнях» условий жизни, но и качественные различия внутри сходных «уровней».
