Advances in Machine Learning I

0331155 - ÚI 2011 RIV DE eng M - Monography Chapter
Frolov, A. A. - Húsek, Dušan - Muraviev, I. P. - Polyakov, P.Y.
Learning and Unlearning in Hopfield-Like Neural Network Performing Boolean Factor Analysis.
[Učení a odučování v Hopfieldově variantě neuronové sítě provádějící bolevskou faktorovou analýzu.]
Advances in Machine Learning I. Berlin: Springer, 2010 - (Koronacki, J.; Ras, Z.; Wierzchon, S.; Kacprzyk, J.), s. 501-518. Studies in Computational Intelligence, 262. ISBN 978-3-642-05176-0
Institutional research plan: CEZ:AV0Z10300504
Keywords : Boolean factor analysis * Hopfield-like neural network * spurious attractors * statistics * bingy data
Subject RIV: IN - Informatics, Computer Science

The peculiarity of usage the Hopfield-like network for Boolean factor analysis is the appearance of two global spurious attractors. They become dominant and, therefore, prevent successful factors search. To eliminate these attractors we propose a special unlearning procedure. This second unlearning procedure provides the suppression of factors with the largest attraction basins which dominate after suppression of global spurious attractors and prevent the recall of other factors. The origin of the global spurious attractors and the efficiency of the unlearning procedures are investigated in the present paper.

Zvláštností použití Hopfieldovy neuronové sítě ve funkci booleovského faktorového analyzátoru je výskyt dvou globálních lživých traktorů, jež jsou dominantní, a proto brání úspěšnému vyhledávání faktorů. Pro eliminaci těchto atraktorů je navržena speciální dvoufázová metoda odučování. Druhý krok odučení umožňuje potlačení faktorů s největší oblastí atraktivity, které dominují po potlačení rušivých globálních atraktorů a brání tak nalezení dalších faktorů. Analyzován je původ globálních lživých traktorů a účinnost odučovacích postupů.
Permanent Link: http://hdl.handle.net/11104/0176757