next 5.3.1 Ojove adaptačné pravidlo zmeny SV
previous 5.2 Kohonenove siete
up 5. Nekontrolované učenie na FF NN
Obsah


5.3 Metóda hlavných komponentov

Majme dáta z M-rozmerného príznakového priestoru. Tieto dáta majú svoju informačnú hodnotu. Predpokladajme, že chceme prejsť z M-rozmerného priestoru do menšieho N-rozmerného priestoru, ale s podmienkou čo najmenšej informačnej straty. Takýto prechod je transformáciou príkladového priestoru popísaného pôvodnými príznakmi do príkladového priestoru, ktorého súradnice sú tvorené z hlavných komponentov. V klasickej matematike existuje rutinný prístup k hľadaniu hlavných komponentov napr. v  [10]. Cieľom tejto časti je ukázať, že pomocou NN je tiež možné túto tranformáciu zvládnuť. Konečná výhoda NN implementácie je vo využití výpočtovej výhodnosti, hlavne pri paralelných systémoch. Táto procedúra predstavuje zhustenie informácie pri zachovaní čo najväčšej informačnej hodnoty dát. Dôležité je uvedomiť si, že tento prístup predstavuje zhustenie, kde úplná rekonštrukcia dát je problematická.

previous next up
CIG Homepage(E-mail us!)