Академический Документы
Профессиональный Документы
Культура Документы
Reviso Bibliogrfica
Tema: Rede Neural de Kohonen e Outras Tcnicas para
Treinamento No-Supervisionado
Autores:
Ana Beatriz Alvarez RA: 015021
Baldomero Luque
RA: 019596
Resumo
Esta reviso bibliogrfica tem por objetivo
fundamental fazer uma pequena apresentao da
informao disponvel nos meios sobre as tcnicas
para treinamento no supervisionado e como caso
especial as redes de Kohonen.
1.
INTRODUCAO
As Redes Neurais Artificiais denominadas neste trabalho apenas como redes
neurais, so sistemas de processamento de informao formadas pela interconexo
entre unidades simples de processamento, denominadas neurnios artificiais. Os
neurnios artificiais recebem essa denominao porque foram originados a partir de
um modelo matemtico de um neurnio biolgico; a principal propriedade desta
arquitetura a sua capacidade de aproximao universal e de aprendizado.
Treinar uma rede neural significa ajustar os pesos da rede de forma que a sada
coincida com um certo valor desejado para cada entrada. Existem alguns algoritmos
de treinamento que, alm do ajuste de pesos, provocam mudanas na prpria
arquitetura da rede, como a criao ou eliminao de neurnios.
Nesta reviso, procuramos mostrar o material bibliogrfico relacionado com redes
que utilizam o treinamento no supervisionado. Estas redes foram classificadas de
acordo a diferentes trabalhos consultados.
2.
a. DEFINICAO
Redes Neurais Artificiais so tcnicas computacionais que apresentam um modelo
matemtico inspirado na estrutura neural de organismos inteligentes e que adquirem
conhecimento atravs da experincia. Os neurnios se comunicam atravs de sinapses.
Sinapse a regio onde dois neurnios entram em contato e atravs da qual os impulsos
nervosos so transmitidos entre eles.
Os impulsos recebidos por um neurnio A, em um determinado momento, so
processados, e atingindo um dado limiar de ao, o neurnio A dispara, produzindo uma
substncia neurotransmissora que flui do corpo celular para o axnio, que pode estar
conectado a um dendrito de um outro neurnio B. O neurotransmissor pode diminuir ou
aumentar a polaridade da membrana ps-sinptica, inibindo ou excitando a gerao dos
pulsos no neurnio B. Este processo depende de vrios fatores, como a geometria da
sinapse e o tipo de neurotransmissor.
b. CARACTERISTICAS
Uma rede neural artificial composta por vrias unidades de processamento, cujo
funcionamento bastante simples. Essas unidades, geralmente so conectadas por
canais de comunicao que esto associados a determinado peso e fazem operaes
apenas sobre seus dados locais, que so entradas recebidas pelas suas conexes. O
comportamento inteligente de uma Rede Neural Artificial vem das interaes entre as
unidades de processamento da rede.
A operao de uma unidade de processamento, proposta por McCullock e Pitts em 1943,
pode ser resumida da seguinte maneira:
Cada sinal multiplicado por um nmero, ou peso, que indica a sua influncia na
sada da unidade;
A maioria dos modelos de redes neurais possui alguma regra de treinamento, onde os
pesos de suas conexes so ajustados de acordo com os padres apresentados. Em
outras palavras, elas aprendem atravs de exemplos.
Arquiteturas neurais so tipicamente organizadas em camadas.
Usualmente as camadas so classificadas em trs grupos:
Uma rede neural especificada, principalmente pela sua topologia, pelas caractersticas
dos ns e pelas regras de treinamento. A seguir, sero analisados os processos de
aprendizado.
c. PROCESSO DE APRENDIZADO
A propriedade mais importante das redes neurais a habilidade de aprender de seu
ambiente e com isso melhorar seu desempenho. Isso feito atravs de um processo
iterativo de ajustes aplicado a seus pesos denominado treinamento. O aprendizado ocorre
quando a rede neural atinge uma soluo generalizada para uma classe de problemas.
Denomina-se algoritmo de aprendizado a um conjunto de regras bem definidas para a
soluo de um problema de aprendizado.
Existem muitos tipos de algoritmos de aprendizado especficos para determinados
modelos de redes neurais, estes algoritmos diferem entre si principalmente pelo modo
como os pesos so modificados.
Outro fator importante a maneira pela qual uma rede neural se relaciona com o
ambiente. Nesse contexto existem os seguintes paradigmas de aprendizado:
Modo Batch: Apenas uma correo feita por ciclo. Todos os exemplos do
conjunto de treinamento so apresentados rede, seu erro mdio calculado e a
partir deste erro fazem-se as correes dos pesos.
3.
TREINAMENTO NO SUPERVISIONADO
Neste treinamento da rede usado o aprendizado no supervisionado, conhecido tambm
como aprendizado auto-supervisionado ou de auto-organizao, porque so usados
apenas os valores de entrada. A rede trabalha essas entradas e se organiza de modo que
acabe classificando-as usando, para isso, seus prprios critrios. Esse tipo de rede utiliza
os neurnios como classificadores, e os dados de entrada, como elementos para
classificao.
O processo de classificao fica por conta da rede neural e o seu algoritmo de
aprendizado, denomina-se algoritmo de aprendizado a um conjunto de regras bem
definidas para a soluo de um problema de aprendizado. Existem vrios tipos de
algoritmo de aprendizado, estes diferem entre si principalmente pelo modo como os pesos
so modificados.
A auto-organizao demonstrada nas redes neurais no-supervisionadas, envolve, o
processo de competio e o processo de cooperao entre os neurnios da rede. Muitos
pesquisadores tm utilizado esse tipo de rede como detector de caractersticas, dada sua
capacidade de aprender a discriminar estmulos ocorrendo em partes especialmente
diferentes.
O treinamento pode-se assim dizer, inicia quando um exemplo mostrado rede e
termina quando todas as conexes esto devidamente ajustadas (treinadas) para
reconhecer os exemplos mostrados rede (ou pelo menos uma boa parte dos exemplos).
A partir deste momento a Rede Neural est pronta para a fase de testes e, a seguir, para a
execuo.
Do conjunto de dados que ser submetido rede, pode-se dizer que, quanto mais
completo seja, mais tempo computacional (processamento) ser utilizado para ajustar as
conexes e, certamente, melhor ser o seu treinamento.
Existem diferentes algoritmos de aprendizagem utilizados no treinamento no
supervisionados, entre os mais conhecidos temos a aprendizagem de Hebbian, o
aprendizado competitivo, aprendizado winner-take-all entre outros.
O material relacionado com redes neurais com treinamento no supervisionado
apresentado a continuao.
Material Relacionado
Autores: Jorge M. Barreto
Titulo: Inteligncia Artificial no Limiar do Sculo XXI
Tipo de Publicao: Livro
Dados Complementares: 3a Ed. 2001
Fonte: http://www.inf.ufsc.br/~barreto/LivIA.htm
Informaes Adicionais: O presente livro se divide em duas partes, a primeira com
fundamentos da IA e a Segunda com aplicaes. O autor procura mostrar que IA
penetra em vrios campos de aplicao estando longe a poca em que suas
aplicaes se resumiam a programas astuciosos de jogar xadrez.
Material Relacionado
Autores: De Castro Felippetto Maria Cristina
Titulo: Algoritmo Hebbiano Generalizado para extrao dos componentes principais
de um conjunto de dados no domnio complexo.
Tipo de Publicao: Tese
Dados Complementares: Porto Alegre, Junho 1996.
Fonte: http://www.feng.pucrs.br/~decastro/pdf/C_MasterThesis.pdf
Nvel: Bom
Informaes Adicionais:
Este trabalho apresenta um algoritmo que extrai as componentes principais de um
conjunto de dados de natureza complexa atravs de redes neurais artificiais
complexas treinadas sob uma nova regra de aprendizado Hebbiano no domnio
complexo.
1
0
11
1
2
1
3
1
4
Material Relacionado
Autores: Van Hulle, Marc M
Titulo: Density-based clustering with topographic maps
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL
NETWORKS].
Dados Complementares: Vol. 10, no. 1, pp. 204-207. Jan 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Bayesian statistics; Conscience learning; Equiprobabilistic maps.
Nvel: Bom
Informaes Adicionais: Neste artigo introduzido uma nova regra de
aprendizagem competitiva no supervisionada chamada kernel-based Maximum
Entropy learning Rule (kMER) , para formao de mapas topogrficas. Ele compara o
desempeno em clustering do kMER com outras regras de aprendizagem competitiva.
Autores: Wang, Jung-Hua; Peng, Chung-Yun
Titulo: Competitive neural network scheme for learning vector quantization
Tipo de Publicao: Artigo
Evento: Electronics Letters [ELECTRON. LETT.].
Dados Complementares: Vol. 35, no. 9, pp. 725-726. 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Mean absolute error (MAE); Mean square error (MSE)
Informaes Adicionais: Neste artigo apresentado um novo modelo de rede
neural de auto-desenvolvimento, que emprega dois contadores de recurso para
armazenar a atividade do n A rede proposta no somente harmoniza o critrio do
MAE e MSE, tambm evita o dilema da estabilidade e plasticidade.
Relao com temas: Vector quantization; Error analysis; Computer simulation;
Iterative methods.
Autor: Granino A. Korn.
Titulo: Neural Networks and Fuzzy Logic Control on Personal Computers and
Workstations.
Tipo de Publicao: Livro
Editor: The MIT Press Cambridge, Massachusetts, London , England, 1995.
Dados Complementares: 373 pg.
Fonte: BAE k842n
Informaes Adicionais: No Capitulo 6 Unsupervised Competitive learning, o autor
introduz algoritmos de aprendizagem template-matching e deteco de cluster,
tambm ele mostra bastantes exemplos de redes neurais no supervisionados com
aprendizagem competitivo.
Autores: Choy, Clifford Sze-Tsan; Siu, Wan-Chi
Titulo: Class of competitive learning models which avoids neuron underutilization
problem.
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks
Dados Complementares: Vol. 9, no. 6, pp. 1258-1269. Nov 1998.
Fonte: http://alt3.csa3.com/
1
5
1
6
Informaes Adicionais:
O artigo descreve um algoritmo de aprendizado competitivo gentico diferencial, que
proposto para prevenir a fixao do mnimo local. O algoritmo combina aprendizado
competitivo e hebbiano diferencial, e representa uma verso neural de modulao
delta adaptativo.
Relao com temas: Learning algorithms; Delta modulation; Computer simulation
Autores: J. M. Buhmann and T. Hofmann.
Titulo: Robust Vector Quantization by Competitive Learning.
Tipo de Publicao: Artigo
Evento: Proceedings of the International Conference on Accoustics, Speech and
Signal Processing ICASSP'97, Munich.
Ano: 1997
Fonte: http://citeseer.nj.nec.com/buhmann97robust.html
Informaes Adicionais: Os autores utilizam as redes neurais competitivas para
quantizao eficaz de imagem e vdeo, assim eles propem uma nova classe de vetor
de quantizao que desempenha compresso robusto de dados.
Autores: Thomas Hofmann and Joachim M. Buhmann.
Titulo: An Annealed Neural Gas Network for Robust Vector Quantization.
Tipo de Publicao: Artigo
Evento: In C von der Malsburg, W von Seelen, J.C Vorbruggen, and B. Sendhoff,
editors, Artifitial Neural Networks (ICANN '96)
Dados Complementares: Vol. 7, pp. 151-156. Springer, Bochum Germany, July
1996.
Fonte: http://citeseer.nj.nec.com/hofmann96annealed.html
Palavras-Chave: Vector Quantization, Maximum Entropy Vector Quantization.
Informaes Adicionais: Este artigo mostra que o modelo neural gs pode ser
derivado como um robusto vetor de quantizao. Eles avaliam e comparam diferentes
algoritmos de quantizao em uma aplicao de teleconferncia.
Autores: C. Piepenbrock and K. Obermayer
Titulo: The effect of intracortical competition on the formation of topographic maps in
models of Hebbian learning
Tipo de Publicao: Artigo
Evento: Biological-Cybernetics
Dados Complementares: Vol. 82, pp 345-353, 2000.
Fonte: http://citeseer.nj.nec.com/239680.html
Palavras-Chave: Correlation based learning models, self-organizing maps, Hebbian
Learning.
Informaes Adicionais: Os autores estudam o efeito de competio intracortical da
formao de mapas topogrficos em modelos de aprendizagem Hebbiano, sendo os
modelos de aprendizado baseados em correlao (CBL em ingls) y os mapas autoorganizveis (SOM em ingls) classes de modelos hebbianos que tem ambos sido
propostos para explicar a formao de mapas corticais.
1
7
1
8
Material Relacionado
Autores: Wang, DL
Titulo: Object selection based on oscillatory correlation
Tipo de Publicao: Artigo
Evento: Neural Networks [NEURAL NETWORKS].
Dados Complementares: Vol. 12, no. 4, pp. 579-592. 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Object selection; Oscillatory correlation; Local cooperation
Nvel: Bom
Informaes Adicionais: Neste artigo os autores propem uma arquitetura que
mantm a relao espacial entre as caractersticas de entrada de uma rede winnertake-all (WTA).
Relao com temas: Neural networks; Learning systems; Computer architecture;
Image processing.
Autores: Sum, John PF; Leung, Chi-Sing; Tam, Peter KS; Young, Gilbert H; Kan, WK;
Chan, Lai-wan.
Titulo: Analysis for a class of winner-take-all model
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL
NETWORKS].
Dados Complementares: Vol. 10, no. 1, pp. 64-71. Jan 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Inputless winner-take-all neural networks
Informaes Adicionais: Neste artigo os autores analisam a resposta no tempo para
uma classe de circuito winner-take-all (WTA) que envolve auto deterioro, e mostram
que a resposta no tempo de tal classe de WTA a mesma que de um modelo simples
WTA.
Relao com temas: Electric network analysis; Electric network synthesis;
Mathematical models; Response time (computer systems)
Autores: Lin, Gu; Shi, Bingxue.
Titulo: Novel multifunction voltage-mode sorter based on magnitude
Tipo de Publicao: Artigo
Evento: TIEN TZU HSUEH PAO.
Dados Complementares: Vol. 26, no. 11, pp. 25-28. 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Switched capacitors; Voltage mode sorter
Informaes Adicionais: Os autores propem a fabricao de um classificador
multifuncional de modo voltagem baseada em magnitude. Neste classificador,
circuitos com capacitor comutado so utilizados para sinais de entrada, e para
encontrar o nvel maximo de voltagem so empregadas redes WTA.
Relao com temas: Switching circuits; MOS capacitors.
1
9
4.
Fig 01. Exemplo de um mapa de Kohonen com neurnios de sadas usadas de forma
bidimensional.
Nesta figura acima as entradas esto conectadas com as sadas, este "comportamento"
tem por objetivo fazer com que a rede simule uma atividade cerebral.
Conforme KOHONEN (1987), o esquema bsico de um modelo de KOHONEN faz com
que neurnios da camada de sada disputem entre si a representao da informao
apresentada aos neurnios de entrada. Os pesos so dados de acordo com a distncia de
acordo com uma funo do "chapu mexicano" ou Difference of Gaussians (DOG).
Havendo um neurnio vencedor, este reajustado para responder ainda melhor ao
estmulo recebido. Dentro deste modelo no supervisionado, no somente o vencedor,
mas tambm os seus vizinhos (dentro de um senso fsico) so ajustados.
2
0
2
1
Autor: Lagus, K.
Titulo: Text Retrieval Using Self-Organized Document Maps
Tipo de Publicao: Relatrio tcnico A61
Editor: Helsinki University of Technology, Laboratory of Computer and Information
Science, ISBN 951-22-5145-0.
Ano: 2000.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Information Retrieval, SOM, Text Mining, Document Maps, and LSI.
Informaes Adicionais: Este relatrio descreve como um mapa de textos que esta
organizada automaticamente para a busca e visualizao pode com sucesso ser utilizado
tambm em a recuperao acelerada do original. Alm disso, as experincias na coleo
de CISI indicam o desempenho melhorado comparado ao modelo do espao do vetor de
Salton e ao Latent Semantic Indexing, medido pela preciso mdia ao recuperar um
nmero pequeno, fixo dos mais melhores originais.
2
2
2
3
2
4
Autor: Kaski, S.
Titulo: Fast Winner Search For SOM Based Monitoring And Retrieval Of High-Dimensional
Data.
Tipo de Publicao: Artigo
Evento: Proceedings of ICANN99, Ninth International Conference on Artificial Neural
Networks; IEE London.
Dados Complementares: Volume 2, pginas 940-945, ano 1999
Fonte: http://alt3.csa3.com/
Palavras-Chave: Vectors Of The Map, Self-Organizing Maps.
Informaes Adicionais: Neste artigo proposto um mtodo para reduzir a quantidade
de operaes restringindo a busca a determinados subespaos de pequenas dimensiones
do espao original. O mtodo apropriado para as aplicaes em que o mapa pode ser
computado off-line, por exemplo, nos dados que monitoram, classificao, e recuperao
de informao.
Autores: Kohonen, T.
Titulo: Exploration Of Very Large Databases By Self-Organizing Maps.
Tipo de Publicao: Texto
Evento: In Proceedings of ICNN'97, International Conference on Neural Networks, IEEE
Service Center, Piscataway, NJ.
Dados Complementares: pginas PL1-PL6, Ano 1997.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map, Addressable Memory.
Informaes Adicionais: Este texto descreve um sistema de organizao dos dados e
uma memria de direcionamento chamado WEBSOM. uma arquitetura autorganizvel
de duas camadas (SOM) onde os documentos so mapeados como pontos no mapa
superior. As ferramentas padro podem selecionar dos subconjuntos originais do mapa
que so os mais similares mutuamente.
2
5
Autores: Bengtsson, M
Titulo: Hierarchical Clustering In A Mean Field Theory
Tipo de Publicao: Relatrio cientifico
Editor: Foersvarets Forskningsanstalt, Linkoeping (Sweden). Dept. of Command and
Control Warfare Technology.
Dados Complementares: 23 pginas, ano1996, Report: FOA-R-96-00298-3.4-SE.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Hierarchical Clustering, Kohonen Self-Organizing Map, Standard Vector
Quantization, Gaussian Clusters.
Ana Alvarez Baldomero Luque
2
6
2
7
2
8
Autores: Kaski, S
Titulo: Data Exploration Using Self-Organizing Maps. Acta Polytechnica Scandinavica
Mathematics, Computing and Management in Engineering Series No. 82
Tipo de Publicao: Artigo
Editor: Helsinki Univ. of Technology, Espoo (Finland). Neural Networks Research Center.
Dados Complementares: 1997. 144pag. Report: MA-82, ISBN-952-5148-13-0.
Fonte: http://alt3.csa3.com/
Palavras-Chave: SOM Algorithms, Electroencephalograms, Data Mining.
Informaes Adicionais: Neste trabalho, a metodologia de usar SOMS para a
explorao, anlise de dados ou Data Mining revisada e desenvolvida ainda mais. As
propriedades dos mapas so comparadas com as propriedades dos mtodos relacionados
para a visualizao de um conjunto de dados multivariveis de elevada dimenso. Em um
conjunto de casos estudados, o algoritmo de SOM aplicado para analisar
eletroencefalogramas. As medidas so propostas para avaliar a qualidade dos diferentes
tipos de mapas numa srie de conjuntos de dados. As mesmas medidas podem tambm
ser usadas comparando o conhecimento que os mapas diferentes representam.
2
9
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map, SOM Algorithm, Statistical Representations.
Informaes Adicionais: Este artigo descreve a implementao de um sistema que
possa organizar colees de documentos de acordo com a similaridade textual.
baseado no algoritmo (SOM). O objetivo principal deste trabalho escalar acima do
algoritmo de SOM para poder tratar das quantidades grandes de dados.
Autores: A. Rauber, D. Merkl, and M. Dittenbach
Titulo: The Growing Hierarchical Self-Organizing Map: Exploratory Analysis of HighDimensional Data
Tipo de Publicao: Artigo
Evento: In: IEEE Transactions on Neural Networks.
Dados Complementares: Vol. 13, No 6, pp. 1331-1341, November 2002
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_tnn02_erratum.pdf
Palavras-Chave: Self-Organizing Map (SOM), Data Mining, Hierarchical Clustering,
Exploratory Data Analysis, Pattern Recognition.
Informaes Adicionais: Os autores apresentam neste artigo uma nova hierarquia para o
mapa auto organizvel que trata as duas grandes limitaes dos mapas auto organizveis
que so: a arquitetura esttica de este modelo e a capacidade limitada para a
representao da relao hierrquica do dado.
SOM: Voz
Autores: Kurimo, M
Titulo: Training Mixture Density Hmms With SOM And LVQ
Tipo de Publicao: Artigo
Editor: Performer: Helsinki Univ. of Technology, (Finland). Lab. of Computer and
Information Science.
Dados Complementares: 32 paginas, ano 1997 Report: ISBN-951-22-3423-8.
Fonte: http://alt3.csa3.com/
Palavras-Chave: SOM (Self Organizing Maps), LVQ (Learning Vector Quantization), HMM
(Hidden Markov Models).
Informaes Adicionais: O objetivo deste artigo apresentar experincias e discusses
de como alguns algoritmos da rede neural podem ajudar ao reconhecimento da voz com
modelos misturados de densidade escondia de Markov (MDHMMs). LVQ usada para
aumentar a discriminao entre modelos diferentes do fonema, e SOM aplicado para
fornecer apropriadamente o treinamento e acelerar a convergncia do treinamento real.
Autores: A. Rauber, E. Pampalk, D. Merkl
Titulo: Using Psycho-Acoustic Models and Self-Organizing Maps to Create a Hierarchical
Structuring of Music by Musical Styles
Tipo de Publicao: Artigo
Evento: In: Proceedings of the 3rd International Conference on Music Information
Retrieval (ISMIR 2002), Paris, France.
Dados Complementares: pp. 71-80, October 13-17, 2002.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_ismir02.pdf
Informaes Adicionais: Neste artigo propem uma abordagem para criar
automaticamente uma organizao hierrquica de arquivos musicais seguindo suas
similaridade de sons.
Ana Alvarez Baldomero Luque
3
0
SOM: Controle
3
1
3
2
3
3
3
4
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/dit_fskd02.pdf
Palavras-Chave: Self-organizing map (SOM), data mining, exploratory data analysis
Informaes Adicionais: Neste artigo os autores exploram aplicaes com Data Mining
Relao com temas:.Data Mining.
Autores: Kohonen, Teuvo; Somervuo, Panu
Titulo: Self-Organizing Maps Of Symbol Strings
Tipo de Publicao: Artigo
Editor: NEUROCOMPUT.
Dados Complementares: Vol. 21, no. 1-3, pp. 19-30. Oct 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map (SOM); Learning Vector Quantization (LVQ);
Symbol Strings.
Informaes Adicionais: Neste artigo trata-se os mapas autorganizveis (SOMs), assim
como o aprendizado supervisionado por LVQ que podem ser definidos como caracteres
variveis.
Autores: A. Rauber and D. Merkl.
Titulo: Using self-organizing maps to organize document archives and to characterize
subject matters: How to make a map tell the news of the world
Tipo de Publicao: Artigo
Evento: Proceedings of the 10th Intl. Conf. on Database and Expert Systems Applications
(DEXA'99), Florence, Italy, Lecture Notes in Computer Science (LNCS 1677), Springer.
Dados Complementares: August 30 - September 3, 1999.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_dexa99.pdf
Informaes Adicionais: Os autores apresentam o novo mtodo LabelSOM, que toma
aplicabilidade dos mapas auto-organizveis para organizar uma coleo de documentos.
Autores: Rauber, A.
Titulo: SOMLib: A Distributed Digital Library System Based on Self-Organizing Maps
Tipo de Publicao: Artigo
Evento: Proc 10th Italian Workshop on Neural Nets (WIRN98), Vietri sul Mare, Italy.
Dados Complementares: 1998.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_html/rau_wirn98/wirn98.html
Palavras-Chave: Digital Libraries, Information Retrieval, Self-Organizing Map (SOM).
Informaes Adicionais: Os autores decrevem uma arquitetura para distribuio digital
de um sistema de bibliotecas baseado em uma rede neural no supervisionada.
Autores: Cardei, VC; Hadley, RF
Titulo: Predicting Semantic Categories Using A Hybrid Neural Network
Tipo de Publicao: Relatrio tcnico no CSS-IS TR97-02
Editor: Simon Fraser University. Center for Systems Science, Burnaby, (British Columbia).
Dados Complementares: pginas 20, ano 1997.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Kohonen Map, Hybrid Network.
Informaes Adicionais: Este relatrio tcnico descreve uma rede neural hbrida que
possa predizer as categorias semnticas, apresenta uma descrio geral da rede neural e
a maneira que ele funciona, logo descreve o mapa de sada de Kohonen, finalmente
descreve a estrutura do programa escrito executando a rede hbrida.
Ana Alvarez Baldomero Luque
3
5
Learning,
Nvel: Bom
Informaes Adicionais: Este livro fornece uma vista geral de formao do mapa
autorganizvel no supervisionada, modela a organizao de mapas cortical, analisa
mapas topogrficos e sua formao atravs das funes objetivas, discute as aplicaes
de otimizao e classificao combinatria.
Autores: M. Riesenhuber ; H.-U. Bauer ; D. Brockmann ; T. Geisel
Titulo: Breaking Rotational Symmetry In A Self-Organizing Map Model For Orientation Map
Development
Tipo de Publicao: Livro
Editor: The MIT Press
Dados Complementares: volume 10, nmero 3, pginas 717 730, ano 2000.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map, Orientation Map, and Pattern Formation.
Nvel: Bom
Ana Alvarez Baldomero Luque
3
6
3
7
SOM: Software
3
8