Počet záznamů: 1
Neural Network Binary Factorization as a Tool for Large Dataset Clustering
- 1.
SYSNO ASEP 0031747 Druh ASEP K - Konferenční příspěvek (lokální konf.) Zařazení RIV Stať ve sborníku Název Neural Network Binary Factorization as a Tool for Large Dataset Clustering Překlad názvu Binární faktorová analýza založená na neuronových sítích jako nástroj pro shlukování velkých datových souborů Tvůrce(i) Frolov, A. A. (RU)
Húsek, Dušan (UIVT-O) RID, SAI, ORCID
Snášel, Václav (UIVT-O)
Řezanková, H. (CZ)
Polyakov, P.Y. (RU)Zdroj.dok. ELNET 2004. - Ostrava : Technical University, 2004 / Snášel V. - ISBN 80-248-0738-6
s. 64-88Poč.str. 15 s. Akce ELNET 2004. Workshop /1./ Datum konání 07.12.2004-09.12.2004 Místo konání Ostrava Země CZ - Česká republika Typ akce CST Jazyk dok. eng - angličtina Země vyd. CZ - Česká republika Klíč. slova associative memory ; Hopfield model ; neural network ; boolean factor analysis Vědní obor RIV BB - Aplikovaná statistika, operační výzkum CEP GA201/01/1192 GA ČR - Grantová agentura ČR CEZ AV0Z1030915 - UIVT-O Anotace The feature space transformation is a widely used method for data compression. Due to this transformation the original patterns are mapped into the space of features or factors of reduced dimensionality. In this paper we demonstrate that Hebbian learning in Hopfield-like neural network is a natural procedure for binary factorization. This paper is dedicated to estimation of the size of attraction basins around factors. Two global spurious attractors are shown to prevent convergence of the network activity to the factors invalidating any procedure of their search. These global attractors can be completely deleted from network dynamics by introducing a single inhibitory neuron with bi-directional Hebbian synapses. Due to additional inhibition, the size of attraction basins around factors becomes the same as around the stored patterns in usual Hopfield network. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2006
Počet záznamů: 1