Sommario:
- Definizione - Che cosa significa Learning Vector Quantization (LVQ)?
- Techopedia spiega Learning Vector Quantization (LVQ)
Definizione - Che cosa significa Learning Vector Quantization (LVQ)?
L'apprendimento della quantizzazione vettoriale (LVQ) è un algoritmo che è un tipo di reti neurali artificiali e utilizza il calcolo neurale. Più in generale, si può dire che sia un tipo di intelligenza computazionale. Questo algoritmo adotta un approccio competitivo e vincente per l'apprendimento ed è anche correlato ad altri algoritmi di rete neurale come Perceptron e back-propagation. L'algoritmo LVQ consente di scegliere il numero di istanze di addestramento a cui sottoporsi e quindi apprende come sono quelle istanze. LVQ è stato inventato da Teuvo Kohonen ed è correlato all'algoritmo del vicino più vicino k.
Techopedia spiega Learning Vector Quantization (LVQ)
L'obiettivo di base dell'apprendimento della quantizzazione vettoriale in termini di elaborazione delle informazioni è preparare, nel dominio dei campioni di dati osservati, una serie di vettori di libri di testo. Inoltre, questi vettori vengono quindi utilizzati per la classificazione dei vettori che non vengono visualizzati. Inizialmente, viene composto un gruppo casuale di vettori che vengono quindi esposti a campioni di addestramento. Sull'impiego di una strategia vincente, vengono scelti uno o quelli che sono i vettori più simili al modello di input dato. Questi vengono quindi regolati in modo tale da essere più vicini al vettore di input o, a volte, più lontano dal secondo classificato. Alla ripetizione di questo processo, si ottiene una distribuzione di vettori di libri di testo nello spazio di input che può approssimare la distribuzione dei campioni alla base del set di dati di test. Questo algoritmo viene utilizzato per la modellazione predittiva.
