Aprenentatge competitiu
és una forma d'aprenentatge no supervisat en xarxes neuronals artificials. / From Wikipedia, the free encyclopedia
L'aprenentatge competitiu és una forma d'aprenentatge no supervisat en xarxes neuronals artificials, en què els nodes competeixen pel dret a respondre a un subconjunt de dades d'entrada.[1] Una variant de l'aprenentatge Hebbian, l'aprenentatge competitiu funciona augmentant l'especialització de cada node de la xarxa. És molt adequat per trobar clústers dins de dades.
![Thumb image](http://upload.wikimedia.org/wikipedia/commons/thumb/5/5b/Competitive_neural_network_architecture.png/303px-Competitive_neural_network_architecture.png)
Els models i algorismes basats en el principi d'aprenentatge competitiu inclouen la quantificació vectorial i els mapes d'autoorganització (mapes Kohonen).
Principis
Hi ha tres elements bàsics per a una regla d'aprenentatge competitiu:[2][3]
- Un conjunt de neurones que són totes iguals excepte alguns pesos sinàptics distribuïts aleatòriament i que, per tant, responen de manera diferent a un conjunt determinat de patrons d'entrada.
- Un límit imposat a la "força" de cada neurona
- Un mecanisme que permet a les neurones competir pel dret de respondre a un determinat subconjunt d'entrades, de manera que només una neurona de sortida (o només una neurona per grup) estigui activa (és a dir, "activada") alhora. La neurona que guanya la competició s'anomena neurona "el guanyador s'emporta tot".
En conseqüència, les neurones individuals de la xarxa aprenen a especialitzar-se en conjunts de patrons similars i, en fer-ho, esdevenen "detectors de característiques" per a diferents classes de patrons d'entrada.
El fet que les xarxes competitives recodiquifiquin conjunts d'entrades correlacionades a una de les poques neurones de sortida elimina essencialment la redundància en la representació que és una part essencial del processament en els sistemes sensorials biològics.[4][5]
L'aprenentatge competitiu sol implementar-se amb xarxes neuronals que contenen una capa oculta que es coneix comunament com a "capa competitiva".[6] Cada neurona competitiva està descrita per un vector de pesos i calcula la mesura de semblança entre les dades d'entrada
i el vector pes
.
Per a cada vector d'entrada, les neurones competitives "competeixen" entre elles per veure quina d'elles és més semblant a aquest vector d'entrada en particular. La neurona guanyadora m estableix la seva sortida i totes les altres neurones competitives estableixen la seva sortida
.
Normalment, per mesurar la similitud s'utilitza la inversa de la distància euclidiana: entre el vector d'entrada
i el vector pes
.