Obsah:
- Definícia - Čo znamená kvantifikácia výučného vektora (LVQ)?
- Techopedia vysvetľuje kvantizáciu vektorov učenia (LVQ)
Definícia - Čo znamená kvantifikácia výučného vektora (LVQ)?
Kvantifikácia vzdelávacích vektorov (LVQ) je algoritmus, ktorý je typom umelých neurónových sietí a používa výpočty neurónov. Všeobecnejšie povedané, dá sa povedať, že ide o typ výpočtovej inteligencie. Tento algoritmus využíva konkurenčný prístup založený na výhrade víťazov a súvisí aj s inými algoritmami neurónovej siete, ako je Perceptron a spätná propagácia. Algoritmus LVQ umožňuje zvoliť si počet vzdelávacích inštancií, ktoré sa majú absolvovať, a potom sa dozvie, ako tieto inštancie vyzerajú. LVQ vynašiel Teuvo Kohonen a súvisí s algoritmom k-najbližší sused.
Techopedia vysvetľuje kvantizáciu vektorov učenia (LVQ)
Základným cieľom kvantizácie vektorov učenia sa z hľadiska spracovania informácií je pripraviť v oblasti pozorovaných vzoriek dát sadu vektorov kódových kníh. Ďalej sa tieto vektory potom používajú na klasifikáciu neviditeľných vektorov. Spočiatku sa skladá náhodný súbor vektorov a potom sa vystavia tréningovým vzorkám. Pri použití stratégie víťaza trvá všetko, vyberie sa jeden alebo tie, ktoré sú najviac podobné vektorom pre daný vstupný vzorec. Tieto sa potom upravia tak, aby boli bližšie k vstupnému vektoru alebo niekedy ďalej od výbežku. Pri opakovaní tohto procesu vedie k distribúcii vektorov kódových kníh vo vstupnom priestore, ktorý môže aproximovať distribúciu vzoriek, ktoré sú základom súboru testovacích údajov. Tento algoritmus sa používa na prediktívne modelovanie.
