Obiekt

Tytuł: Zastosowanie nienadzorowanych sieci neuronowych typu Growing Neural Gas w analizie skupień

Tytuł odmienny:

Applying of Growing Neural Gas Neural Networks in Cluster Analysis

Autor:

Najman, Krzysztof

Opis:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2009; Nr 47, s. 196-204

Abstrakt:

One of the more effective methods in cluster analysis are unsupervised neural networks, for example Self Organizing Map, SOM. The problem which can appear in large data sets is a priori the network's structure. SOM could be time consuming and require powerful computers, it has tendency to twine and possess many neurons which do not take part in learning. It seems that unsupervised growing neural gas (GNG) with dynamic structure does not have these disadvantages. The main goal of research presented in this paper is hypothesis verification that the GNG network has large potential in cluster analysis. Theoretical principles, properties of this method, simulation research and opinions are presented. (original abstract)

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2009

Typ zasobu:

artykuł

Identyfikator zasobu:

oai:dbc.wroc.pl:124211

Język:

pol

Powiązania:

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2009; Nr 47 ; Klasyfikacja i analiza danych – teoria i zastosowania ; Taksonomia 16

Prawa:

Wszystkie prawa zastrzeżone (Copyright)

Prawa dostępu:

Dla wszystkich w zakresie dozwolonego użytku

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Źródło finansowania:

Dofinansowano z programu "Społeczna odpowiedzialność nauki" Ministra Edukacji i Nauki (SONB/SP/546390/2022). Tytuł projektu: Upowszechnienie zawartości czasopisma Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

30 paź 2023

Data dodania obiektu:

26 wrz 2023

Liczba wyświetleń treści obiektu:

20

Wszystkie dostępne wersje tego obiektu:

https://dbc.wroc.pl/publication/162522

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Podobne

×

Cytowanie

Styl cytowania:

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji