Inhoudsopgave:
- Definitie - Wat betekent Learning Vector Quantization (LVQ)?
- Techopedia verklaart Learning Vector Quantization (LVQ)
Definitie - Wat betekent Learning Vector Quantization (LVQ)?
Learning vector quantization (LVQ) is een algoritme dat een type kunstmatige neurale netwerken is en neurale berekening gebruikt. Meer in het algemeen kan worden gezegd dat het een soort computationele intelligentie is. Dit algoritme hanteert een competitieve, winnaar-neemt-alles-benadering van leren en is ook gerelateerd aan andere neurale netwerkalgoritmen zoals Perceptron en back-propagation. Met het LVQ-algoritme kunt u het aantal trainingsinstanties kiezen dat u wilt ondergaan en leert u vervolgens hoe die instanties eruit zien. LVQ is uitgevonden door Teuvo Kohonen en is gerelateerd aan het algoritme van de dichtstbijzijnde k.
Techopedia verklaart Learning Vector Quantization (LVQ)
Het basisdoel van het leren van vectorkwantisatie in termen van informatieverwerking is om, in het domein van geobserveerde gegevensmonsters, een set codeboekvectoren voor te bereiden. Verder worden deze vectoren vervolgens gebruikt voor de classificatie van ongeziene vectoren. Aanvankelijk wordt een willekeurige pool van vectoren samengesteld en deze worden vervolgens blootgesteld aan trainingsmonsters. Bij de inzet van een winnaar-neemt-alles-strategie, wordt een of de strategie gekozen die het meest overeenkomt met het gegeven invoerpatroon. Deze worden vervolgens aangepast op een manier die dichter bij de inputvector ligt, of soms verder weg van de tweede plaats. Bij herhaling van dit proces resulteert dit in een distributie van codeboekvectoren in de invoerruimte die de verdeling van monsters kan benaderen die ten grondslag liggen aan de testdataset. Dit algoritme wordt gebruikt voor voorspellende modellen.
