TU Berlin

Neuronale InformationsverarbeitungLearning Vector Quantization und Selbstorganisierende Karten

Neuronale Informationsverarbeitung

Inhalt

zur Navigation

Learning Vector Quantization und Selbstorganisierende Karten

Selbstorganisierende Karten, oft auch Kohonen-Karten genannt, sind ein flexibles und oft eingesetztes Werkzeug zur exploratorischen Datenanalyse. Hier lag unser Interesse darin, die Einbettungseigenschaften von selbstorganiserenden Karten mathematisch zu charakterisieren. Dabei haben wir robuste Lernverfahren mittels deterministischem Annealing und die Erweiterung von selbstorganisierenden Karten auf relationale Repräsentationen von Daten, mit paarweisen Daten als Spezialfall, vorgeschlagen. Wir legten dabei das Augenmerk auf Kostenfunktionen und Optimierungsverfahren basierende Formulierungen und untersuchten wie verschiedenen Varianten von selbstorganisierenden Karten untereinander und mit der orginalen Kohonenkarte verwandt sind. Ausserdem erforschten wir mit Learning Vector Quantization verwandte Prototyp-baiserte Klassifikatoren mit einem besonderen Fokus auf verbesserten Lernverfahren. Selbstorganiserende Karten wurden auch im Kontext des Verstehens von Selbstorganisations- und Musterbildungs-Prozessen in der neuronalen Entwicklung untersucht, siehe auch die "Forschungs"-Seite "Modelle der Neuronalen Entwicklung".

Danksagung: Diese Forschung wurde von der Technischen Universität Berlin gefördert.

Lupe

Ausgewählte Publikationen:

Seo, S. and Obermayer, K. (2004). Self-Organizing Maps and Clustering Methods for Matrix Data. Neural Networks Special Issue, 17, 1211 – 1229.


Seo, S., Bode, M. and Obermayer, K. (2003). Soft Nearest Prototype Classification. IEEE Transactions on Neural Networks, 14, 390 – 398.


Seo, S. and Obermayer, K. (2003). Soft Learning Vector Quantization. Neural Computation, 15, 1589 – 1604.


Graepel, T. and Obermayer, K. (1999). A Self-Organizing Map for Proximity Data. Neural Computation, 11, 139 – 155.


Hasenjäger, M., Ritter, H. and Obermayer, K. (1999). Active Learning in Self-Organizing Maps. Kohonen Maps. Elsevier, 57–70.,


Graepel, T., Burger, M. and Obermayer, K. (1998). Self-Organizing Maps: Generalizations and New Optimization Techniques. Neurocomputing, 20, 173 – 190.


Graepel, T., Burger, M. and Obermayer, K. (1997). Phase Transitions in Stochastic Self-Organizing Maps. PHYSICAL REVIEW E, 56, 3876 – 3890.


Erwin, E., Obermayer, K. and Schulten, K. (1992). Self-Organizing Maps: Ordering, Convergence Properties and Energy Functions. Biological Cybernetics, 67, 47 – 55.


Erwin, E., Obermayer, K. and Schulten, K. (1992). Self-Organizing Maps: Stationary States, Metastability and Convergence Rate. Biological Cybernetics, 67, 35 – 45.


Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe