Šiame darbe pateikti ir aprašyti biologinio ir dirbtinio neurono modeliai. Didžiausias dėmesys
skiriamas vieno tipo neuroniniams tinklams – saviorganizuojantiems žemėlapiams (SOM). Darbe
pateiktas jų apmokymas, taip pat pagrindinių sąvokų (epocha, kaimynystės eilė, unifikuotų atstumų
matrica ir kt.), susijusių su SOM neuroniniais tinklais (žemėlapiais), apibrėžimai. Buvo nagrinėtos
keturios saviorganizuojančių neuroninių tinklų sistemos: NeNet, SOM-Toolbox, DataBionic ESOM,
Viscovery SOMine ir Matlab įrankiai „nntool“, „nctool“, kurie naudojami SOM tinklams sukurti ir
apmokyti. Pateikiamos sistemų naudojimosi instrukcijos, norint gauti paprasčiausią SOM žemėlapį.
Matlab aplinkoje sukurta ir darbe aprašyta naują vizualizavimo būdą turinti sistema „Somas“, pateiktas
jos išskirtinumas ir naudojimosi instrukcija. Sistemoje „Somas“ realizuota kita mokymo funkcija nei
kitose minėtose sistemose. Pagrindinis analizuotų sistemų tikslas yra suskirstyti duomenis į klasterius
pagal jų panašumą ir pateikti juos SOM žemėlapyje. Sistemos viena nuo kitos skiriasi duomenų
pateikimu, mokymo taisyklėmis, vizualizavimo galimybėmis, todėl čia aptariami sistemų panašumai ir
skirtumai. Nagrinėti susidarę SOM žemėlapiai ir gautos kvantavimo bei topografinės paklaidos,
analizuojant tris duomenų aibes: irisų, stiklo ir vyno. Kvantavimo ir topografinės paklaidos yra
kiekybiniai vaizdo kokybės įverčiai. Padarytos išvados apie susidariusius klasterius tiriamuose
duomenyse. Naudojant naują sistemą „Somas“... [toliau žr. visą tekstą] / In this master thesis, biologic and artificial neuron models have been described. The focus is selforganizing
maps (SOM). The self-organizing maps are one of types of artificial neural networks. SOM
training as well as the main concepts which need to explain SOM networks (epochs, neighbourhood
size, u-matrix and etc.) have been described. Four systems of self-organizing maps: NeNet, SOMToolbox,
DataBionic ESOM, Viscovery SOMine, and Matlab tools “nntool” and “nctool” have been
analyzed. In the thesis, a system use guide has been presented to make a simple SOM map. A new
system “Somas” that has a new visualisation way has been developed in Matlab. The system has been
described, its oneness has been emphasized, and a use guide is presented. The main target of the SOM
systems is data clustering and their graphical presentation on the self-organizing map. The SOM
systems are different one from other in their interfaces, the data pre-processing, learning rules,
visualization manners, etc. Similarities and differences of the systems have been highlighted here. The
experiments have been carried out with three data sets: iris, glass and wine. The SOM maps, obtained
by each system, have been described and some conclusions on the clusters have been drawn. The
quantization and topographic errors have been analyzed to estimate the quality of the maps obtained.
An investigation has been carried out in the new system “Somas” and system “NeNet” in order to look
how quantization and... [to full text]
| Identifer | oai:union.ndltd.org:LABT_ETD/oai:elaba.lt:LT-eLABa-0001:E.02~2010~D_20100709_133927-01419 |
| Date | 09 July 2010 |
| Creators | Stefanovič, Pavel |
| Contributors | Lipeikienė, Joana, Stankevičienė, Eglė, Petkus, Tomas, Kligienė, Nerutė, Dzemyda, Gintautas, Kazlauskas, Kazys, Kurasova, Olga, Medvedev, Viktor, Vilnius Pedagogical University |
| Publisher | Lithuanian Academic Libraries Network (LABT), Vilnius Pedagogical University |
| Source Sets | Lithuanian ETD submission system |
| Language | Lithuanian |
| Detected Language | Unknown |
| Type | Master thesis |
| Format | application/pdf |
| Source | http://vddb.laba.lt/obj/LT-eLABa-0001:E.02~2010~D_20100709_133927-01419 |
| Rights | Unrestricted |
Page generated in 0.002 seconds