Ψ Die Informatikseite

Menü
Informatik » Master » Neuronale Netze » Learning Vector Quantisation (LVQ) » Learning Vector Quantisation LVQ (LVQ1)
Prinzip Learning Vector Quantisation (LVQ) Learning Vector Quantisation (LVQ) Learning Vector Quantisation LVQ2

Learning Vector Quantisation LVQ (LVQ1)

Bei LVQ1 wird ein Stimulus $x$ gewählt und es wird das Winner-Neuron, d.h. das nächstliegende Neuron bzw. Codebook-Vektor, bestimmt. Dieses Winner-Neuron $c_{k}$ wird dann verschoben und zwar auf folgende Art und Weise:

\begin{displaymath}\begin {array}{llll} \Delta c_{k}&=&\alpha (x-c_{k})&\mbox{, ... ...\ zu unterschiedlichen Klassen geh\uml {o}ren.}\\ \end {array}\end{displaymath}

Das Gewinnerneuron wird also in Richtung Stimulus gezogen, wenn Stimulus und Neuron zur gleichen Klassen gehören, weggedrückt, wenn sie zu unterschiedlichen Klassen gehören. Die separierende Hyperebene verschiebt sich so.
\includegraphics[scale=0.5]{lvq1.eps}

Prinzip Learning Vector Quantisation (LVQ) Learning Vector Quantisation (LVQ) Learning Vector Quantisation LVQ2