词条 | 无监督式学习网络 |
释义 | 无监督式学习网络(Unsupervised Learning Network)是人工智能网络的一种算法(algorithm),其目的是对原始资料进行分类,以便了解资料内部结构。有别于监督式学习网络,无监督式学习网络在学习时并不知道其分类结果是否正确,亦即没有受到监督式增强(告诉它何种学习是正确的)。其特点是仅对此种网络提供输入范例,而它会自动从这些范例中找出其潜在类别规则。当学习完毕并经测试后,也可以将之应用到新的案例上。 算法无监督式学习网络的算法一般仅涉及单一个核心模组,但重复多次计算而已。细节如下解释: 将输入层各节点的激发程度表示为 aj,输出层各节点的激发程度表示为 ai,从输入层各节点指向输出层各节点的网络路径值表示为 wij。输出层各节点间则为互相抑制,亦即wii 是一个对角线均为零,其余元素为-1的矩阵。 核心模组的计算分为两部份: 第一部份是想知道,当基于目前 wij 的情况下,若欲使网络稳定的话,则输出层各节点激发程度 (ai) 应该形成何种型态?计算乃遵循下列公式: 步骤1: 步骤2: 重复此二步骤的 Δai 的更新,直到 Δai 低于某个临界值(如:0.001) 第二部份是想知道,若要得到刚才的 ai 激发型态的话,则应该反映在 wij 的何种调整上,以便使得 aj 可以更直接透过 wij 来得到 ai?公式如下:Δwij = ai(aj − wij) 最后整体计算便将所有的输入资料分别透过上述的核心模组来得到 Δwij,然后全部加总后,更新到实际的 wij 上头,并重复所有步骤若干次(如:50次)即可。 常见的应用1. 聚类分析 (clustering analysis) 2. 向度缩减 (dimensionality reduction) 特定的无监督式学习网络1. 自我组织图像网络(Self-Organizing Map, SOM): 目的是产生一种地形组织(topographic organization),地图上相近的地点代表有相似属性的输入。 2.适应性共振理论网络(Adaptive Resonance Theory, ART; Carpenter & Grossberg, 1988) |
随便看 |
百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。