سخنران دانشگاه

نقشه های خودسازمانده رشدکننده: یادگیری دسته ای با رویکرد هدایت شده

مهدی وثیقی

دانشکده علوم رایانه و فناوری اطلاعات

تاریخ: ۱۳۹۶-۲-۳۱

زمان: ۱۷:۰۰

مکان: آمفی تئاتر ترکمان

خلاصه: تفسیر و نمایش داده ها با ابعاد بالا خصوصا وقتی داده ها بر روی خمینه ای غیرخطی قرار گرفته باشند براحتی امکانپذیر نیست. در میان روش های متعدد، نقشه های خودسازمانده SOM (کوهونن) با توجه به توانایی در نگاشت غیرخطی داده ها از ابعاد بالا به فضایی گسسته با ابعادی پایین تر (معمولا دو بعد) و حفظ همزمان روابط توپولوژیکی میان داده ها در طی نگاشت بسیار مورد توجه قرار گرفته اند. یکی از محدودیت-های اصلی نقشه¬های خودسازمانده متداول نیاز به تعیین ساختار شبکه (فضای گسسته) پیش از آغاز فرآیند آموزش می باشد. در راستای حل این محدودیت، نقشه های خودسازمانده پویا که ساختار انعطاف پذیری ارائه میکنند پیشنهاد شدند. بررسی دقیق نقشه های بدست آمده از GSOM مشکلاتی از قبیل پیچ خوردگی و ساختارهای نامناسب را نشان داده است. رویکرد یادگیری دسته¬ای هدایت شده در نقشه های خودسازمانده رشد کننده (DBGSOM) جهت بهبود و حفظ روابط توپولوژیکی داده ها در طی نگاشت معرفی گردیده است. این روش مکانیزمی مناسب جهت اضافه کردن نورون (رشد شبکه) در موقعیتی مناسب در نقشه و تخصیص وزن های سیناپسی اولیه پیشنهاد نموده است. توانایی این شبکه در نگاشت و حفظ توپولوژی و همچنین خوشه بندی توسط چندین نوع داده مورد بررسی قرار گرفته است.