การเรียนรู้เพียงครั้งเดียวแบบเพิ่มเติมได้สำหรับปัญหาการแบ่งกลุ่มข้อมูลโดยใช้โครงข่ายประสาทเทียมและฟังก์ชันไฮเพอร์อัลลิปซอยด์
One-Pass Incremental Learning for Classification Problem Using Neural Network and Hyper-Ellipsoidal Function
Keywords:
การแบ่งกลุ่มข้อมูล , การเรียนรู้อย่างเร็ว , การวิเคราะห์ส่วนประกอบ , ฟังก์ชันไฮเพอร์อัลลิปซอยด์, classification, fast learning, principal componentAbstract
บทความนี้นำเสนอโครงข่ายประสาทเทียมชนิดใหม่แบบเรียนรู้ข้อมูลใหม่เพียงครั้งเดียวแล้วทิ้งข้อมูลนั้นโดยไม่ต้องใช้ข้อมูลเก่าที่เรียนรู้ไปแล้วด้วยการใช้ฟังก์ชันไฮเพอร์อัลลิปซอยด์ ฟังก์ชันชนิดนี้มีรูปทรงเป็นทรงรีและสามารถเรียนรู้ข้อมูลในหลายมิติได้โดยการล้อมข้อมูลที่เข้ามา ข้อมูลที่ใช้ในการปรับค่าตัวแปรต่าง ๆ ของฟังก์ชันชนิดนี้จะใช้เพียงข้อมูลที่เข้ามาใหม่เพียงข้อมูลเดียวโครงข่ายประสาทเทียมชนิดนี้สามารถเรียนรู้ข้อมูลที่ใช้สำหรับเรียนรู้โดยใช้เวลา O(n) เมื่อ n คือจำนวนข้อมูลสำหรับเรียนรู้ This paper introduces a new neural network which can learn each new data only in one epoch and, then, throw it away without involving the previously learned data by using a hyper-ellipsoidal function. This function has an elliptical shape and can learn any multi-dimensional data by surrounding them. Only one new incoming data is used to adjust the learning parameters. This neural network spends O(n) time complexity to learn a set of n data.References
A. Asuncion & D. Newman. (2007) UCI Machine Learning Repository. School of Information and Computer Sciences. University. of California, Irvine.
Kadirkamanathan, V., & Niranjan, M.. (1993). A Function Estimation Approach to Sequential Learning with Neural Networks. Neural Computation, 954-975
Li, Y., Sundararajan, N., & Saratchandran, P. (2000). Analysis of Minimal Radial Basis Function Network Algorithm for Real-time Identification of Nonlinear Dynamic Systems. IEEE Proceedings-Control Theory and Applications.
Platt, J., A. (1991). Resource-allocating Network for Function Interpolation. Neural Computation, 213-225.
Saichon†Jaiyen, Chidchanok†Lursinsap†& Suphakant Phimoltares. (2009. A Versatile Hyper-Ellipsoidal Basis Function for Function Approximation in High Dimensional Space. 6th International Symposium on Neural Networks.
Yingwei, L., Sundararajan, N., & Saratchandran, P.. (1997). A Sequential Learning Scheme for Function Approximation Using Minimal Radial Basis Function (RBF) Neural Networks. Neural Computatation.
