Автор: гость
пожалуйства пару слов сюда про ESOINN, TurSOM |
|
Ладно, таки заставил себя
ESOINN - потомок-модификация SOINN (тему про SOINN тут на форуме создавал ЕМНИП Игнат года 2 или 3 назад). Кластеризует (делит карту на несвязные фрагменты - в отличие от нейрогаза и обычной SOM, у которых таки будут/останутся связи между нейронами, лежащими поверх разных кластеров данных) не на втором, а сразу на первом слое сети (второго слоя у ESOINN нет).
Опубликована в статье "An enhanced self-organizing incremental neural network for online unsupervised learning" 2007г.
TurSOM - модификация SOM, режущая связи между нейронами в карте в ходе адаптации карты. Т.е. опять в итоге получаем соответствующие кластерам несвязные фрагменты карты - вместо того, чтобы потом самому кластеризовать "глазами" по раскраске карты.
Публикации по ней (копипаст из обзорной статейки 2010г - т.е. за последующим развитием и укоренением в умах других людей я не следил):
Beaton, D. (2008). Bridging Turing unorganized machines and self-organizing maps for cognitive replication. Master’s Thesis, University of Massachusetts Dartmouth.
Beaton, D., Valova, I., MacLean, D. (2009a). TurSOM: a Turing inspired self-organizing map, International Joint Conference on Neural Networks.
Beaton, D., Valova, I., MacLean, D. (2009b). Growing Mechanisms and Cluster Identification with TurSOM, International Joint Conference on Neural Networks.
Beaton D., Valova, I., MacLean, D. (2009c). The Use of TurSOM for Color Image Segmentation. IEEE Conference on Systems, Man and Cybernetics.
Главное отличие между подходами - SOINN/ESOINN является в первую очередь РАСТУЩЕЙ в ходе адаптации (к данным и/или к нестационарности) сеткой, заодно выстраивающей и необходимые связи между нейронами, а в TurSOM просто режутся/переупорядочиваются лишние и неоптимальные связи.
(Почему тут сказал про переупорядочение - потому, что буржуины ан масс продолжают случайно накидывать нейроны карты Кохонена и ей подобных на данные (т.е. в итоге получается бардак, где после инициализации карты "соседние" в карте нейроны могут быть положены на разные стороны облака данных) вместо того, чтобы равномерненько расположить нейроны на плоскости, соответствующей первым двум главным компонентам данных, например. Вот и преодолевают потом те трудности, которые сами себе создали чисто служебным и совсем неоптимальным алгоритмом инициализации).
И под "связями" между нейронами тут понимаются не связи, по которым идут какие-то сигналы - а наличие-отсутствие отношения соседства (т.е. связности, т.е. рёбер) между узлами неориентированного графа (в SOMоподобных подходах к некоторому текущему паттерну данных адаптируется не только нейрон-"победитель", но и соседние с ним нейроны (они - с меньшей "скоростью")).