Učiace sa systémy na báze neurónových sietí typu ART

1. Centrum pre inteligentné technológie Katedra kybernetiky a umelej inteligencie FEI - TUKE Učiace sa systémy na báze neurónových sietí typu ART Peter Palkovič

2. 2/19 Obsah • Ciele diplomovej práce • MF ARTMAP • ECM, ECMc • Modifikácia MF ARTMAP • Experimenty • Záver

3. 3/19 Ciele diplomovej práce • Realizovať prehľad súčasného stavu problematiky vo svete. • Realizovať teoreticko-experimentálnu analýzu metódy MF-ARTMAP a metódy DENFIS • Realizovať štúdiu možností modifikácií MF-ARTMAP s cieľom zlepšenia výsledkov • Realizovať experimenty na vybraných dátach a porovnať s dostupnými výsledkami vo svete

4. 4/19 MF ARTMAP • Zhlukovanie vstupných dát, zaradzovanie do tried

5. 5/19 MF ARTMAP • Adaptácia štruktúry • Adaptácia parametrov zhluku

6. 6/19 Evolving Clustering Method (ECM) • Rýchly jednopriechodový algoritmus • Dynamický výpočet počtu zhlukov a ich centier • Spojitá zhlukovacia metóda založená na vzdialenosti • Jediný parameter zhlukovania • Veľkosť parametra priamo ovplyvňuje počet vytvorených zhlukov

7. 7/19 ECMc • Aplikuje optimalizačnú procedúru na výsledné centrá zhlukov • Minimalizácia cieľovej funkcie • Rozdeľuje súbor dát viac rovnomerne

8. 8/19 Modifikácia MF ARTMAP • Vytvorenie dvoch paralelných tried • Trieda nerozhodných vzoriek • Trieda zle zaradených vzoriek • Preklasifikovanie nerozhodných vzoriek na základe ich okolia • Obmedzenie – parametre D a H

9. 9/19 Modifikácia MF ARTMAP

10. 10/19 Experimenty – štandardné testy • Špirála • 10 000 vzoriek • trénovacie 1250 • Kruh vo štvorci • 10 000 vzoriek • trénovacie 1000

11. 11/19 Experimenty – štandardné testy • Špirála • 90,52% • Kruh vo štvorci • 98,01%

12. 12/19 Porovnanie výsledkov

13. 13/19 Porovnanie výsledkov

14. 14/19 Experimenty – Košice, Boston • Diaľkový prieskum Zeme • Košice • 7 tried • 7 rozmerné • Bostonský źáliv • 8 tried • 41 rozmerné

15. 15/19 Experimenty – Košice, Boston Košice Bostonský záliv

16. 16/19 Experimenty – Košice • Vzorky • Trénovacie 3166 • Testovacie 3165 • MF ARTMAP • 95,49% • Modifikovaný MF ARTMAP • 96,09% • D = 0 • H = 1

17. 17/19 Experimenty – Bostonský záliv • Vzorky • Trénovacie pás 2 • Testovacie pás 1,3,4 • MF ARTMAP • 98,29% • Modifikovaný MF ARTMAP • 98,29%

18. 18/19 Záver • Úspešné otestovanie modifikácie • Možnosť použitia iného klasifikátora pre preklasifikovanie nerozhodných vzoriek • Doučenie alebo doplnenie trénovacej množiny na základe nerozhodnej oblasti

19. Ďakujem za pozornosť!

20. 1. Otázka oponenta • Boston • Kapitola 9.8.1 – nejednoznačnosť triedy 5 • Výsledky iných autorov mi nie sú známe • Košice • Marcel Hric – presnosť klasifikácie 95,13%HRIC, Marcel: Diplomová práca – Integrácia neurónových sietí typu ARTMAP s prvkami fuzzy systémov pre klasifikačné úlohy. TU FEI KKUI, 2000.

21. 2. Otázka oponenta • Všetky výsledky sú vlastné okrem tých kde je uvedený zdroj • Parametre jednotlivých metód • modifikovaný MF ARTMAP – v kapitolách 9.4.1 a 9.4.2 • MF ARTMAP- v kapitolách 9.3.1 9.3.2 • MF ARTMAP (M.Hric) – g=0,05; p1=0,05; p2=0,9

22. 2. Otázka oponenta • ECMc – MaxField=0,05; MinField=0,01; MofN=3 • BP - alfa=1; aktivačná sigmoidálna funkcia • Kruh vo štvorci: topológia: 2-20-2; • počet cyklov =500 • Čas učenia: 9s 81“ • Špirála: topológia: 2-30-20-2 • počet cyklov = 35000 • Čas učenia: 47min 46s 48“