AbstractA competitive exception lea

Abstract
A competitive exception learning algorithm (CELA) is
proposed which derives exceptional patterns from a given set
of data pairs.
In the first step of the algorithm, the output space is fuzzily
partitioned (using a competitive learning algorithm) and then
characterized by a so-called linconditional cluster
membership distribution. In the second step, the input space
is fuzzily partitioned as well by again using competitive
learning. After leaming, the input clusters represent locations
in the input space which correspond to the most exceptional
patterns in the output space. These patterns are characterized
by so-termed conditional cluster membership distributions. In
the third step, a fuzzy rule base is set up describing the
exceptions in linguistic terms. In addition, the complete fuzzy
input-output map can be estimated using a mathematical
function.
Besides describing the various steps of the new algorithm, a
theoretical framework is introduced using an informationtheoretical
point of view: all output data points are supposed
to be generated by a non-stationary stochastic, fuzzy
information source. A summary concerning the results of
certain simulations completes the description of CELA. The
article is concluded with a discussion and outlook

ผลลัพธ์ (ไทย) 2:

บทคัดย่อขั้นตอนวิธีการเรียนรู้ข้อยกเว้นในการแข่งขัน (CELA) จะนำเสนอที่มารูปแบบที่โดดเด่นจากชุดที่กำหนดของคู่ข้อมูล. ในขั้นตอนแรกของอัลกอริทึมพื้นที่ออกเป็นอยางเลือนแบ่งพาร์ติชัน (โดยใช้ขั้นตอนวิธีการเรียนรู้การแข่งขัน) และจากนั้นโดดเด่นด้วยดังนั้นกลุ่มเรียกว่า linconditional กระจายสมาชิก ในขั้นตอนที่สองพื้นที่การป้อนข้อมูลจะถูกแบ่งพาร์ติชันอยางเลือนเช่นกันโดยในการแข่งขันอีกครั้งโดยใช้การเรียนรู้ หลังจาก Leaming, กลุ่มการป้อนข้อมูลที่เป็นตัวแทนของสถานที่ในการเข้าพื้นที่ซึ่งสอดคล้องกับการที่โดดเด่นมากที่สุดรูปแบบในพื้นที่เอาท์พุท รูปแบบเหล่านี้มีความโดดเด่นโดยมีเงื่อนไขที่เรียกว่าการกระจายการเป็นสมาชิกกลุ่ม ในขั้นตอนที่สามฐานกฎฟัซซี่มีการตั้งค่าที่อธิบายข้อยกเว้นในแง่ภาษา นอกจากนี้เลือนสมบูรณ์แผนที่นำเข้าส่งออกสามารถประมาณโดยใช้คณิตศาสตร์ฟังก์ชั่น. นอกจากนี้ยังอธิบายขั้นตอนต่าง ๆ ของอัลกอริทึมใหม่กรอบทฤษฎีถูกนำมาใช้informationtheoretical มุมมอง: จุดข้อมูลการส่งออกทั้งหมดที่ควรจะได้รับการสร้างขึ้นโดยสุ่มที่ไม่หยุดนิ่งเลือนแหล่งที่มาของข้อมูล สรุปเกี่ยวกับผลของการจำลองบางอย่างเสร็จสมบูรณ์รายละเอียดของ CELA บทความสรุปด้วยการอภิปรายและแนวโน้ม

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ : แข่งขัน ยกเว้นการเรียนรู้ขั้นตอนวิธี ( แต่ )
เสนอรูปแบบพิเศษซึ่งได้มาจากกำหนด

คู่ข้อมูล ในขั้นตอนแรกของขั้นตอนวิธี , ออกพื้นที่ fuzzily
แบ่ง ( ใช้ขั้นตอนวิธีการเรียนรู้แข่งขัน ) แล้ว

linconditional ลักษณะที่เรียกว่ากลุ่มการแจกจ่าย ในขั้นตอนที่สอง เข้าพื้นที่
เป็น fuzzily แบ่งเป็นอย่างดี โดยอีกครั้งโดยใช้
เรียนการแข่งขัน หลังจากการเรียน เข้าเป็นตัวแทนในกลุ่มที่ตั้ง
เข้าพื้นที่ซึ่งสอดคล้องกับรูปแบบพิเศษ
ส่วนใหญ่ในการส่งออกพื้นที่ รูปแบบเหล่านี้มีลักษณะ
โดยให้เรียกว่าเงื่อนไขกลุ่มสมาชิกการแจกแจง . ใน
ขั้นตอนที่สาม ฐานกฎฟัซซี่ตั้งอธิบาย
ข้อยกเว้นในแง่ภาษาศาสตร์นอกจากนี้ ปัจจัยสมบูรณ์แผนที่เลือน
สามารถประมาณได้โดยใช้ฟังก์ชันทางคณิตศาสตร์
.
นอกจากการอธิบายขั้นตอนต่าง ๆของขั้นตอนวิธีใหม่ ,
กรอบทฤษฎีคือแนะนำใช้จุด informationtheoretical
ดู : ข้อมูลทั้งหมดออกจุดควร
เพื่อสร้างขึ้นโดย non-stationary Stochastic แหล่งข้อมูลฟัซซี่

สรุปเกี่ยวกับผล
จำลองหนึ่งเสร็จสมบูรณ์รายละเอียดของเซล่า .
บทความจะสรุปด้วยการอภิปรายและแนวโน้ม