Satura rādītājs:
- Definīcija - ko nozīmē mācīšanās vektora kvantizācija (LVQ)?
- Techopedia skaidro mācību vektora kvantizācijas (LVQ) apguvi
Definīcija - ko nozīmē mācīšanās vektora kvantizācija (LVQ)?
Mācīšanās vektora kvantācija (LVQ) ir algoritms, kas ir mākslīgo neironu tīklu tips un izmanto neironu aprēķinus. Plašākā nozīmē to var teikt par skaitļošanas intelekta veidu. Šis algoritms izmanto konkurētspējīgu pieeju, kas visu apņemas mācīties, un ir saistīta arī ar citiem neironu tīkla algoritmiem, piemēram, Perceptron un pavairošanu. LVQ algoritms ļauj izvēlēties apmācāmo gadījumu skaitu un pēc tam uzzināt, kā šie gadījumi izskatās. LVQ izgudroja Teuvo Kohonens, un tas ir saistīts ar k-tuvākā kaimiņa algoritmu.
Techopedia skaidro mācību vektora kvantizācijas (LVQ) apguvi
Vektora kvantēšanas mācīšanās pamatmērķis informācijas apstrādes jomā ir novēroto datu paraugu jomā sagatavot kodu grāmatas vektoru kopu. Pēc tam šos vektorus izmanto neredzētu vektoru klasificēšanai. Sākumā tiek izveidots nejaušs vektoru kopums, un pēc tam tos pakļauj apmācības paraugiem. Izmantojot stratēģiju, kurā uzvar visi, tiek izvēlēta viena vai tā, kas ir vislīdzīgākā dotajam ievades modelim. Tad tos noregulē tā, lai tie būtu tuvāk ievades vektoram vai dažreiz tālāk no nākamās vietas. Atkārtojot šo procesu, ievades telpā tiek sadalīti kodu grāmatu vektori, kas var tuvināt paraugu sadalījumu, kas ir testa datu kopas pamatā. Šis algoritms tiek izmantots prognozējamai modelēšanai.
