Página principal › Índice multilingüe del archivo › LVQ

LVQ

LVQ, o Quantization del vector que aprende, es a prototipo-basado supervisado clasificación algoritmo.

LVQ se puede entender como caso especial del red de los nervios artificial, más exacto, aplica a ganador-tomar-todo El aprender de Hebbian- acercamiento basado. Es un precursor a Mapas de auto-organización (SOM) y relacionado con Gas de los nervios, y a El algoritmo vecino k-Más cercano (k-NN). LVQ fue inventado cerca Teuvo Kohonen.

La red tiene dos capas: una capa de neuronas de la entrada, y una capa de neuronas de la salida. La red es dada por los prototipos W= (W (i),…, W (n)). Cambia los pesos de la red para clasificar los datos correctamente. Para cada punto de referencias, se determina el prototipo (neurona) que está el más cercano a él (llamado la neurona del ganador). Los pesos de las conexiones a esta neurona entonces se adaptan, es decir. hecho más cerca si correcly clasifica el punto de referencias o hecho menos similar si lo clasifica incorrectamente.

Una ventaja de LVQ es que crea los prototipos que son fáciles de interpretar para los expertos en la materia.

LVQ puede ser una fuente de la gran ayuda en clasificar documentos del texto.

Referencias

• Mapas de auto-organización y Quantization del vector que aprende para las secuencias, Somervuo y Kohonen de la característica. 2004 (pdf)
• Clasificación de documentos textuales usando LVQ, Fahad y Sikander. 2007 (pdf)

Vea también

• Mapa de auto-organización

Acoplamientos externos

• Introducción al algoritmo. Transferencia directa más de los códigos y de los programas que la ponen en ejecución (universidad de Magdeburg)
• LVQ para WEKA: Puesta en práctica de las variantes de LVQ (LVQ1, OLVQ1, LVQ2.1, LVQ3, OLVQ3) para el banco de trabajo el aprender de máquina de WEKA.