Ochko'z algoritm

Neyron to`rli klasterlash usullari
Klasterlash deganda, sinflarning soni ham, xarakteristikalari ham oldindan ma'lum bo'lmasa-da, kirish signallari to'plamining sinflarga bo'linishi tushuniladi. Treningdan so'ng bunday tarmoq kirish signali qaysi sinfga tegishli ekanligini aniqlashga qodir. Tarmoq, shuningdek, kirish signali tanlangan sinflarning birortasiga tegishli emasligi haqida signal berishi mumkin - bu o'quv namunasida etishmayotgan yangi ma'lumotlarning belgisidir. Shunday qilib, bunday tarmoq signallarning yangi, ilgari noma'lum sinflarini aniqlay oladi. Tarmoq tomonidan aniqlangan sinflar va fan sohasida mavjud bo'lgan sinflar o'rtasidagi yozishmalar shaxs tomonidan o'rnatiladi. Klasterlash, masalan, Kohonen neyron tarmoqlari tomonidan amalga oshiriladi. Chiqish qatlamining neyronlari klaster elementlari deb ataladi, ularning soni tizim kirish ma'lumotlarini ajratishi mumkin bo'lgan maksimal guruhlar sonini aniqlaydi. Ikkinchi qavatdagi neyronlar sonini ko'paytirish orqali klasterlash jarayonining natijalarini batafsil ko'paytirish mumkin. Neyron zarur Kohonen tarmog'i Koxonenning sun'iy neyron tarmog'i yoki o'z-o'zini tashkil etuvchi xususiyatlar xaritasi (80M) 1980-yillarning boshlarida fin tadqiqotchisi Toivo Kohonen tomonidan taklif qilingan. Bu ikki qavatli tarmoq. Birinchi (tarqatish) qatlamning har bir neyroni ikki o'lchovli to'rda joylashgan ikkinchi (chiqish) qatlamning barcha neyronlari bilan bog'langan. Klasterlash yoki tabiiy tasniflash - bu o'xshash xususiyatlarga ega bo'lgan ob'ektlar guruhlariga birlashtirish jarayoni. Odatdagi tasnifdan farqli o'laroq, ob'ektlar guruhlari soni qat'iy belgilangan va ideallar to'plami bilan oldindan belgilab qo'yilgan, bu erda na guruhlar, na ularning soni oldindan belgilanmaydi va ob'ektlarning ma'lum bir yaqinligi o'lchovi asosida tizimning ishlashi davomida shakllanadi. Klasterlash ko'plab amaliy muammolarni hal qilish uchun ishlatiladi: tasvirni segmentatsiyalashdan iqtisodiy prognozlash va elektron firibgarlikka qarshi kurashish.
Tizim raqobat tamoyili asosida ishlaydi [2] – ikkinchi qavatning neyronlari kirish signali vektoriga eng yaxshi mos kelish huquqi uchun bir-biri bilan raqobatlashadi, ogʻirlik vektori kirish signali vektoriga eng yaqin boʻlgan neyron elementi gʻalaba qozonadi. Ikki vektorning yaqinligining o'lchovi sifatida biz Evklid masofasining kvadratini olishimiz mumkin (1). Shunday qilib, har bir kirish vektori qandaydir klaster elementiga ishora qiladi.

Klaster tahlili yoki avtomatik tasniflash ma'lumotlarni tahlil qilish usullari orasida markaziy o'rinlardan birini egallaydi va bir hil sinflarni shakllantirish uchun mo'ljallangan yondashuvlar, usullar, algoritmlar to'plamidir. Klaster tahlilining vazifasi har qanday predmet sohasi ob'ektlarining boshlang'ich to'plamini bir-biriga mos kelmaydigan kichik to'plamlarga (klasterlarga) qandaydir to'plam-nazariy bo'linishini topishdir, shunda bitta kichik to'plamga tegishli elementlar bir-biridan ancha kichikroq farqlanadi.