новое сообщение
карта форума
правила форума
обратная связьЗдравствуйте.
Подскажите, пожалуйста, что подразумевается под
"распознаванием примеров" для СКК (в частности, в настройках обучения в Deductor Studio)?
Имеется ввиду, что для каждого вектора данных из обучающего множества на карте сформируется вектор, отличающийся от данного меньше, чем на допустимую погрешность?
Т.е. при обучении по принципу "пока не распознано 90% обучающей выборки" будет выполняться коррекция весов, пока 90% образов (если вообще достижимо исходя из начальной инициализации) не окажутся очень близко к узлам?
А есть какие-либо рекомендации по соотношению объёма входной выборки, размера векторов и количества узлов на карте?
--------------------------------------------------
А существуют ли сети (не обязательно реализованные в к-л программе), которые строят подобную карту (наглядно представляющую соотношение компонентов векторов данных и итоговых кластеров), но с отнесением образов к кластеру, указанному нами (это возможно только при обучении с учителем?)?
Потому что, насколько я понял, СКК сама формирует кластеры, используя своё представление о "схожести" векторов...
А использование 1 столбца в качестве выходного параметра, для каждого образа данных определяющий значение 0 или 1 (всего два класса у меня) - не даёт необходимый результат:
* карта по этому критерию представляет собой смешанное множество
* в каждый кластер попадают как 0, так и 1 элементы, а хотелось бы, чтобы кластеры (даже не важно количество и положение) содержали только элементы одного класса.
Может, можно как-то принудительно задать приоритет одному из компонентов входного вектора?
Спасибо за понимание...
Самоорганизующиеся карты Кохонена - математический аппарат
Самоорганизующиеся карты Кохонена – это одна из разновидностей нейросетевых алгоритмов. Этот алгоритм решает задачи кластеризации и проецирования многомерного пространства в пространство с более низкой размерностью. Он часто применяются для решения самых различных задач, от восстановления пропусков в данных до анализа и поиска закономерностей.
Читайте статью Самоорганизующиеся карты Кохонена - математический аппарат 
Обсуждение: Самоорганизующиеся карты Кохонена -...
Трофим
06-07-2009
Перемещения нейронов в карте Кохонена
>после того, как найден нейрон-победитель производится корректировка весов нейросети.
>При этом вектор, описывающий нейрон-победитель и вектора, описывающие его соседей в сетке перемещаются в направлении входного вектора.
Подскажите формулу для таких перемещений для соседей плиз. Веса это понятно.
Спасибо
Валентин
03-07-2009
Обсуждение: Самоорганизующиеся карты Кохонена -Отображение кластеров
Кто может рассказать или дать ссылку, где-бы было четко расписано, как разукрасить карту кластеров, имея уже обученную матрицу Кохонена со значениями весов нейронов карты?
Все что ни нахожу, так это общие слова от том, что это делается с помощью таких-то и таких-то методов, но нигде пока не вижу конкретного примера с алгоримом.
Заранее спасибо!
Владимир
22-08-2008
Могу задать вопрос и конкретнее: как использовать отображение Саммона для раскрашивания нейронов сети Кохонена в нужный цвет???
Владимир
22-08-2008
1. Веса нейронов при раскраске не используются. Нейрон "раскрашивается" в зависимости от значения той или иной статистики для попавших в него векторов (например, "красится" средним значением некоторой координаты в этом наборе векторов)
2. Проецирование Саммона - это иной способ построения нелинейных главных компонент и к раскраске карты никаким боком не относится. Да, конечно, можно красить карту и статистиками от тех же векторов, но уже спроецированных с помощью Саммона в пространство меньшей размерности (т.е. породить Саммоном "новые координаты" и потом отобразить их на карте), но полезность этого сомнительна чисто с возможности (вернее, невозможности) сделать какие-то полезные осмысленные выводы
Victor G. Tsaregorodtsev
22-08-2008
Про Саммона:
Я его приплел только потому, что думал это хоть какая-то зацепка к раскрасске. Спасибо!
Вопрос по первому Вашему ответу:
Для оценки количества векторов, попавших в нейрон, нужно самому придумывать погрешность по расстоянию от вектора до нойрона, или же есть какие-то рекомендуемые значения?
Владимир
22-08-2008
Может, всё-таки почитаете учебники по нейросеткам?
При обучении сети используется некоторая мера близости, которая без всяких погрешностей определяет именно ближайший для каждого вектора нейрон, т.е. никакой "оценки количества векторов" не будет (их число и сами они для каждого нейрона карты определятся однозначно).
При раскраске именно этими расстояниями - погрешность (субъективную) вводить можно, чтобы посмотреть и доказать себе, что в карте нет нейронов, от которых до их векторов "семь верст лесом" (С).
Victor G. Tsaregorodtsev
23-08-2008
Виктор, добрый день!
Я почитал и Оссовского и единственная книга в нашей стране по анализу финансовых рынков с помощью СОК у меня тоже есть. И, поверьте, она не стоит у меня на полке. Вот после всего этого у меня, как человека прочитавшего теорию, начинаю возникать некоторые вопросы - и это нормально. Как же еще можно обменяться опытом, кроме общения? - только бится головой в стену. Вот я и выбрал эти 2 варианта и использую их параллельно.
Я хочу с помощью пакета SOM_PAK рассчитывать СОК. На выходе после использования программ этого пакета я имею матрицу нейронной сети с подогнанными весами. Однако там нет информации о том, сколько векторов попало в нейрон. От этого у меня и был вопрос, как имея уже рассчитанную СОК в виде матрицы уже подогнанных значений весов раскрасить карту кластеров. Сейчас я вспоминаю, что вроде возможность такой проверки есть (дома проверю).
Как я понимаю, Вы же в своем ответе имели ввиду то, что при ручном (самописном) расчете СОК мы можем запоминать в каждом нейроне для скольки входных векторов он был самым минимальным по расстоянию и тем самым уже на выходе знать этот набор, так?
В процессе раздумий и анализа Ваших ответов я уже понял как мне быть. Мне действительно оказались достаточными Ваши ответы. Хотя раньше бы я подумал, что это опять общие слова.
Спасибо!
P.S.
Если кому-то интересно, могу рассказать до чего я додумалася и как раскрасить карту кластеров карт Кохонена (СОК).
Владимир
25-08-2008
Книжка самого Кохонена "Self-organizing maps" будет всё же получше, если читаете по-английски (в инете где-то валялась, не все её главы надо будет читать внимательно).
Осовского мало, это просто краткий учебник по нескольким видам нейросетей, Дебок-Кохонен - тоже свои заморочки+ограничения. Были ли СОКи в Бэстенсе-ВанДерБерге-Вудcе (еще одна книга по нейро+фин.рынки на русском) - не помню. Есть еще книга "Financial applications of SOM" чисто у Дебока - но она тоже английская. В общем, если кто из пересказчиков за рамки исходной книги Кохонена и выйдет, то только примерами-картинками, и не факт, что именно эти новые примеры будут полезны Вам для понимания непонятного ;)
Насчет софта - что, кто-то заставляет пользоваться именно SOM-PAK? Хотя советов тут никаких не дам (пользуюсь своим самописным нейрософтом) - может, другие подскажут что-нибудь поудобнее.
Victor G. Tsaregorodtsev
25-08-2008
