文献

J-GLOBAL ID：202002252382639465   整理番号：20A1946211

画像クラスタリングの変化の指数減衰平均速度を用いたKohonen自己組織化マップの新しい学習速度減衰関数【JST・京大機械翻訳】

A Novel Learning Rate Decay Function of Kohonen Self-Organizing Maps Using the Exponential Decay Average Rate of Change for Image Clustering

著者 (3件)： Galutira Edwin F. (Technological Institute of the Philippines, Quezon City, Philippines) ,  Fajardo Arnel C. (La Consolacion College Manila, Mendiola St, San Miguel Manila, Philippines) ,  Medina Ruji P. (Technological Institute of the Philippines, Quezon City, Philippines)
資料名： ACM Proceedings  (ACM Proceedings)
号： NLPIR 2018  ページ： 55-59  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： クラスタ化は,アルゴリズムのサンプルベクトルと真のクラスタ化能力の間の類似性の効率的選択を必要とする。Kohonen自己組織化マップは,高次元または多次元データのための最も好ましい教師なし人工ニューラルネットワーククラスタリングアルゴリズムである。本研究は,学習速度減衰関数を強化して,訓練が変化の平均速度の使用を通して進むので,その学習速度減衰機能を強化することによって,アルゴリズムのクラスタ化能力を改善する新しい方法を導入した。新しい関数は,強化Kohonen自己組織化マップアルゴリズムを可能にし,よりロバストなクラスタ化データセットを生成する最小に収束する。強化アルゴリズムと従来のアルゴリズムを画像クラスタ化のために適用して,EKSOMはKSOMのクラスタ化能力を著しく上回った。EDARC機能の導入は,KSOMのクラスタ化と分類能力をさらに探究する道を開く。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ベクトル ,  ニューラルネットワーク ,  クラスタ化 ,  高次元 ,  類似性 ,  *自己組織化 ,  ロバスト性 ,  *自己組織化特徴マップ
準シソーラス用語： 学習速度 ,  クラスタリングアルゴリズム ,  クラスタ化データ ,  *減衰関数 ,  画像クラスタリング ,  多次元データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 変化の平均速度 ,  クラスタリング ,  収束 ,  高次元データ ,  学習速度減衰

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 画像クラスタリング ,  指数 ,  減衰 ,  平均速度 ,  自己組織化マップ ,  学習速度 ,  減衰関数