SCENT is simple competitive neural

SCENT is simple competitive neural network model
that evolves a tree structured set of nodes in response to
being presented with an unlabelled data set. The
resulting set of weight vectors and their relationship can
be viewed as giving a hierarchical classification of the
training data. This paper examines the nature of this
classification for two data sets over several runs of the
network. The first data set is a set of grey scale images,
chosen because the code-vectors produced by SCENT
can then be visualised in a natural way. The second
data set is a small set of vectors coding attributes of
animals. The resulting taxonomy from SCENT can
then be compared with the normal taxonomic groups
that such a set of animals would fall into. Since the
SCENT model is stochastic different runs produce
different trees, but the variation in results produced over
several runs is small. The model is shown to be
reasonably robust and the relationship between the
nature of the data and the type of tree produced is
examined.

ผลลัพธ์ (ไทย) 1:

กลิ่นเป็นรูปแบบเครือข่ายประสาทแข่งขันอย่างที่วิวัฒนาการชุดแผนภูมิโครงสร้างโหนเพื่อตอบสนองการแสดงชุดข้อมูลที่ unlabelled ที่ชุดผลลัพธ์ของเวกเตอร์น้ำหนักและความสัมพันธ์ของพวกเขาสามารถดูเป็นการให้การจัดประเภทตามลำดับชั้นของการข้อมูลการฝึกอบรม กระดาษนี้ตรวจสอบลักษณะนี้การจัดประเภทสำหรับชุดข้อมูลสองชุดไปทำงานต่าง ๆ ของการเครือข่าย ข้อมูลชุดแรกเป็นชุดของภาพที่ระดับสีเทาเลือกได้เนื่องจากรหัสเวกเตอร์ผลิต โดยกลิ่นสามารถแล้วจะ visualised ในธรรมชาติ ที่สองข้อมูลคือ ชุดเล็กของเวกเตอร์ที่กำหนดคุณลักษณะของสัตว์ สามารถจำแนกประเภทได้จากกลิ่นแล้ว เปรียบเทียบกับอนุกรมวิธานกลุ่มปกตินั้นเช่นชุดสัตว์จะตก เนื่องจากการรุ่นกลิ่นคือ ผลิตสโทแคสติกทำงานที่แตกต่างกันต้นไม้ที่แตกต่างกัน แต่การเปลี่ยนแปลงในผลผลิตมากกว่าทำงานหลายขนาดเล็กได้ แบบจำลองจะแสดงให้ความแข็งแกร่ง และความสัมพันธ์ระหว่างการเป็นลักษณะของข้อมูลและชนิดของแผนภูมิผลิตตรวจสอบ

ผลลัพธ์ (ไทย) 2:

กลิ่นเป็นเรื่องง่ายรูปแบบเครือข่ายประสาทการแข่งขันที่วิวัฒนาการต้นไม้โครงสร้างชุดของโหนดในการตอบสนองที่ถูกนำเสนอกับชุดข้อมูลที่ไม่ติดฉลาก ผลที่ตั้งของเวกเตอร์น้ำหนักและความสัมพันธ์ของพวกเขาสามารถมองได้ว่าการให้การจัดหมวดหมู่ตามลำดับชั้นของข้อมูลการฝึกอบรม กระดาษนี้จะตรวจสอบลักษณะของการนี้การจัดหมวดหมู่สำหรับสองชุดข้อมูลผ่านวิ่งหลายเครือข่าย ชุดข้อมูลแรกคือชุดของภาพระดับสีเทาเลือกเพราะพาหะรหัสที่ผลิตโดยกลิ่นจากนั้นจะสามารถมองเห็นในทางธรรมชาติ ที่สองชุดข้อมูลเป็นชุดเล็ก ๆ ของเวกเตอร์เข้ารหัสคุณลักษณะของสัตว์ อนุกรมวิธานที่เกิดจากกลิ่นได้แล้วนำมาเปรียบเทียบกับกลุ่มอนุกรมวิธานปกติที่ดังกล่าวเป็นชุดของสัตว์ที่จะตกอยู่ใน ตั้งแต่รุ่นกลิ่นที่แตกต่างกันคือวิ่งสุ่มผลิตต้นไม้แตกต่างกันแต่การเปลี่ยนแปลงในผลการค้นหาในการผลิตมากกว่าการทำงานหลายที่มีขนาดเล็ก แบบจำลองที่แสดงให้เห็นว่ามีเหตุผลที่แข็งแกร่งและความสัมพันธ์ระหว่างลักษณะของข้อมูลและชนิดของต้นไม้ที่ผลิตมีการตรวจสอบ

ผลลัพธ์ (ไทย) 3:

กลิ่นง่ายแข่งขันรูปแบบเครือข่ายประสาท
ที่ค่อย ๆ เปลี่ยนต้นไม้โครงสร้างชุดของโหนดในการตอบสนอง
ถูกนำเสนอด้วยการ unlabelled ชุดข้อมูล
ผลชุดของเวกเตอร์น้ำหนักและความสัมพันธ์ของพวกเขาสามารถ
ถูกมองว่าเป็นให้การจำแนกลำดับชั้นของข้อมูล
การฝึกอบรม บทความนี้เป็นการวิเคราะห์ลักษณะของข้อมูลสองชุดสำหรับประเภทนี้

ไปวิ่งหลายของเครือข่ายข้อมูลชุดแรกคือ ชุดของภาพระดับสีเทา ,
เลือกเพราะรหัสเวกเตอร์ที่ผลิตโดยกลิ่น
แล้วสามารถมองเห็นในวิธีธรรมชาติ 2
ชุดข้อมูลเป็นชุดขนาดเล็กเวกเตอร์การเข้ารหัสคุณลักษณะ
สัตว์ ผลอนุกรมวิธานจากกลิ่นสามารถ
แล้วจะเทียบกับปกติกลุ่มอนุกรมวิธาน
เช่นชุดสัตว์จะล้มลง ตั้งแต่
กลิ่นแบบสุ่มที่แตกต่างกันทำงานผลิต
ต้นไม้ที่แตกต่างกัน แต่การเปลี่ยนแปลงในผลผลิตมากกว่า
วิ่งหลายขนาดเล็ก รูปแบบจะเป็นแข็งแกร่งพอสมควร

และความสัมพันธ์ระหว่างธรรมชาติของข้อมูลและชนิดของต้นไม้ที่ผลิต

ตรวจสอบ