- N a v i g a t i o n - - - - - - - - |
Entwicklungssystem für SOM-Architekturen |
|
|
|
|
- - - - - - - - - - - - - - - - - - - - |
- - - - - - - - | |
Projektziel
|
Ziel dieses Projektes ist die systematische Erweiterung bzw. Reformulierung existierender SOM-Architekturen, um ein Meta-System zu erzeugen, in dem existierende state-of-the-art-Ansätze unüberwachten wie überwachten Lernens auf der Basis von SOMs zusammengefasst werden. Mit diesem System sollen auch Rapid-Prototyping neuer SOM-Ansätze leicht durchführbar werden, wobei die Datenstrukturen und die Implementationssprache mit dem Software-Projekt SW01 abgestimmt werden soll, da die SOMs als Bestandteil hybrider Verfahren betrachtet werden. |
Intervall-Arithmetiken
|
Grundlegend sollte als Datenstruktur das Intervall verwendet werden, und die SOM-Algorithmen sollten mit Hilfe von Intervall-Arithmetiken reformuliert werden, da gemessene Real-World-Daten, mit denen gelernt wird, aufgrund der immer vorliegenden Messungenauigkeit von physikalischen Messsystemen, als Intervalle vorliegen. Die Datenstrukturen sollten bei dem Software-Projekt SW01 wie bei der SOM-Architektur so flexibel sein, dass auch Multi-Vektoren darstellbar sind, die im Rahmen der Reformulierung von SOMs durch Clifford-Algebras notwendig werden. |
Überblick
|
Einen überblick über SOM-Erweiterungen ist in Bachelier (1998a) zu finden, wobei Clustermodelle im Rahmen der SOM (wie SC-GNG-SOM) Prioritäten besitzen sollen (Bachelier (1998c)). |
Existierende
Programme
|
Ausgangspunkt könnte das Programm DemoGNG der Gruppe um Bernd Fritzke sein, das eine Java-Implementierung verschiedener unüberwachter SOM-Modelle wie des Neuronen Gas, GNG-SOM, Competitive Hebb-Learning, LBG und Growing Grid beinhaltet. Weiterhin liegen interpolierende SOM-Modelle (I-SOMs) von Josef Göppert ebenfalls in einer Java-Implementierung vor, die in DemoGNG integriert werden könnte. Auf der Basis dieser unüberwachten Modelle liessen sich überwachte Ansätze einfach hinzufügen. |
Open-Source
|
Die Verbreitung als open-source, sowie die Durchführung von Best-Program-Awards sollen dazu dienen, das System als Quasi-Standard der SOM-Forschung zu etablieren. |
- - - - -
- - -
|
|
Referenzen
|
Fritzke, Bernd: A Growing Neural Gas Network Learns topologies. In: Tesauro, G.; Touretzky, D.S.; Leen, T.K. (eds.): Advances in Neural Information Processing Systems, NIPS 7, MIT Press, Cambridge, 1995. Göppert, Josef: Die topologisch interpolierende selbstorganisierende Karte in der Funktionsapproximation. Shaker Verlag, Aachen, (Dissertation, Universität Tübingen), 1997. Hestenes, D.; Sobczyk, G.: Clifford Algebra to Geometric Calculus, A unified language for mathematics and physics. Reidel Publ. Co., ISBN: 90-277-2561-6. Klatte, R., Kulisch, U.; Wiethoff, A.; Lawo, C.; Rauch, M.: C-XSC. Springer, Berlin, 1993. |
VI-ANEC | Über das Institut | Software-Projekte | Hardware-Projekte | Best-Paper-/Best-Program-Awards | Sponsoring | Dienste | Kontakt