Định nghĩa Learning Vector Quantization (LVQ) là gì?

Learning Vector Quantization (LVQ)Học Vector Quantization (LVQ). Đây là nghĩa tiếng Việt của thuật ngữ Learning Vector Quantization (LVQ) – một thuật ngữ thuộc nhóm Technology Terms – Công nghệ thông tin.

Độ phổ biến(Factor rating): 5/10

Học lượng tử hóa vector (LVQ) là một thuật toán mà là một loại mạng thần kinh nhân tạo và sử dụng tính thần kinh. Nói rộng hơn, nó có thể được cho là một loại trí thông minh tính toán. Thuật toán này có một cạnh tranh, chiến thắng-mất-tất cả các phương pháp để học tập và cũng liên quan đến các thuật toán mạng nơron khác như Perceptron và lan truyền ngược. Thuật toán LVQ cho phép một để chọn số lượng đào tạo các trường hợp phải trải qua và sau đó tìm hiểu về những gì những trường hợp như thế nào. LVQ được phát minh bởi Teuvo Kohonen và có liên quan đến thuật toán xóm k-gần nhất.

Xem thêm: Thuật ngữ công nghệ A-Z

Giải thích ý nghĩa

Mục tiêu cơ bản của việc học lượng tử hóa vector về xử lý thông tin là để chuẩn bị, trong lĩnh vực mẫu dữ liệu quan sát, một tập hợp các vectơ codebook. Hơn nữa, những vectơ này sau đó được sử dụng để phân loại các vectơ đó là vô hình. Ban đầu, một hồ bơi ngẫu nhiên của vectơ gồm và sau đó họ được tiếp xúc với mẫu huấn luyện. Về việc làm của một người chiến thắng-mất-tất cả các chiến lược, một hoặc những người được vectơ giống nhất với mô hình đầu vào nhất định được chọn. Đây là những sau đó điều chỉnh theo cách như vậy là để được gần gũi hơn với vector đầu vào, hoặc đôi khi, cách xa các Á hậu. Trên sự lặp lại của quá trình này, nó kết quả trong một phân bố của vectơ codebook trong không gian đầu vào có thể xấp xỉ phân phối các mẫu cơ bản tập dữ liệu thử nghiệm. Thuật toán này được sử dụng để xây dựng mô hình dự báo.

What is the Learning Vector Quantization (LVQ)? – Definition

Learning vector quantization (LVQ) is an algorithm that is a type of artificial neural networks and uses neural computation. More broadly, it can be said to be a type of computational intelligence. This algorithm takes a competitive, winner-takes-all approach to learning and is also related to other neural network algorithms like Perceptron and back-propagation. The LVQ algorithm allows one to choose the number of training instances to undergo and then learns about what those instances look like. LVQ was invented by Teuvo Kohonen and is related to the k-nearest neighbor algorithm.

Understanding the Learning Vector Quantization (LVQ)

The basic objective of learning vector quantization in terms of information processing is to prepare, in the domain of observed data samples, a set of codebook vectors. Further, these vectors are then used for the classification of vectors that are unseen. Initially, a random pool of vectors is composed and they are then exposed to training samples. On the employment of a winner-takes-all strategy, either one or those that are most similar vectors to the given input pattern are chosen. These are then adjusted in such a way as to be closer to the input vector, or sometimes, further away from the runner-up. On repetition of this process, it results in a distribution of codebook vectors in the input space that can approximate the distribution of samples underlying the test data set. This algorithm is used for predictive modeling.

Thuật ngữ liên quan

  • Artificial Intelligence (AI)
  • Business Intelligence (BI)
  • Database Analyst
  • Artificial Neural Network (ANN)
  • Algorithm
  • K-Nearest Neighbor (K-NN)
  • Perceptron
  • Backsourcing
  • Cloud Provider
  • Data Mart

Source: Learning Vector Quantization (LVQ) là gì? Technology Dictionary – biabop – Techtopedia – Techterm

Rate this post