Statistical physics of learning vector quantization
Datum: 21 juni 2010
Promotie: dhr. A.W. Witoelar, 11.00 uur, Academiegebouw, Broerstraat 5,
Groningen
Proefschrift: Statistical physics of learning vector quantization
Promotor(s): prof.dr. M. Biehl, prof.dr. N. Petkov
Faculteit: Wiskunde en Natuurwetenschappen
Leergedrag computer geanalyseerd
Bepaalde computeralgoritmes voor patroonherkenning kunnen worden
getraind met behulp van voorbeelden. Dit heet lerende vectorkwantisatie
(LVQ).
Ondanks de brede toepassing ervan is het theoretische begrip van LVQ
beperkt. In zijn proefschrift construeert Aree Witoelar een theoretisch
raamwerk waarbij concepten uit de statistische natuurkunde worden
gebruikt voor een exacte analyse van het typische leergedrag van het
systeem.
De studies in dit proefschrift vergelijken de karakteristieken van de
verschillende LVQ-algoritmen, om zo de robuustheid van neurale
gas-schema's en de specifieke voordelen van LVQ 2.1 en robuuste zachte
LVQ-algoritmen te demonstreren. Verder wordt verrassend en
niet-triviaal gedrag onthuld, inclusief leerplateaus en faseovergangen
in het trainingsproces. De resultaten geven inzicht in generieke
prototype-gebaseerde leervoorschriften.
Aree Witoelar (Indonesië, 1978) studeerde natuurkunde en sterrenkunde
in Groningen. Het onderzoek werd uitgevoerd bij het Johann Bernoulli
Institute of Mathematics and Computer Science, afdeling Intelligent
Systems.
Laatst gewijzigd: 15 juni 2010 11:11
Rijksuniversiteit Groningen