Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[20952] Artykuł:

Cluster analysis via dynamic self-organizing neural networks

Czasopismo: Lecture Notes in Artificial Intelligence   Tom: 4029, Strony: 593-602
ISSN:  0302-9743
ISBN:  3-540-35748-3
Wydawca:  SPRINGER-VERLAG BERLIN, HEIDELBERGER PLATZ 3, D-14197 BERLIN, GERMANY
Opublikowano: 2006
Seria wydawnicza:  LECTURE NOTES IN COMPUTER SCIENCE
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Procent
udziału		 Liczba
punktów
Marian Bolesław Gorzałczany orcid logoWEAiIKatedra Elektroniki i Systemów Inteligentnych *****505.00  
Filip Rudziński orcid logoWEAiIKatedra Elektroniki i Systemów Inteligentnych *****505.00  

Grupa MNiSW:  Publikacja w czasopismach wymienionych w wykazie ministra MNiSzW (część A)
Punkty MNiSW: 10
Klasyfikacja Web of Science: Article; Proceedings Paper

Pełny tekstPełny tekst     DOI LogoDOI     Web of Science Logo Web of Science    

Abstract:

The paper presents dynamic self-organizing neural networks with one-dimensional neighbourhood that can be efficiently applied to complex, multidimensional cluster-analysis problems. The proposed networks in the course of learning are able to disconnect their neuron chains into sub-chains, to reconnect some of the sub-chains again, and to dynamically adjust the overall number of neurons in the system; all of that - to fit in the best way the structures "encoded" in data sets. The operation of the proposed technique has been illustrated by means of three synthetic data sets, and then, this technique has been tested with the use of two real-life, complex and multidimensional data sets (Optical Recognition of Handwritten Digits Database and Image Segmentation Database of Statlog Databases) available from the ftp-server of the University of California at Irvine (ftp.ics.uci.edu).


POWRÓT
Strona główna > Publikacje