Алгоритм визначення оптимальної кількості кластерів на базі нейронної мережі Кохонена

DOI: 10.31673/2412-9070.2020.031316

  • Ткаченко О. М. (Tkachenko O. M.) Державний університет телекомунікацій, м. Київ
  • Руденко Н. В. (Rudenko N. V.) Державний університет телекомунікацій, м. Київ
  • Куфтеріна С. Р. (Kufterina S. R.) Державний університет телекомунікацій, м. Київ
  • Лемешко А. В. (Lemeshko A. V.) Державний університет телекомунікацій, м. Київ
  • Захаржевський А. Г. (Zakharzhevskyi A. G.) Державний університет телекомунікацій, м. Київ

Анотація

Розглянуто можливості використання систем штучного інтелекту для розв’язання задач кластеризації. Визначено значення критерію оптимальності для різних сполучень кількості кластерів і кількості нейронів вихідного шару мережі. Сформульовано загальну послідовність дій для обчислення оптимальної кількості нейронів вихідного шару мережі Кохонена.

Ключові слова: дані; аналіз; кластер; нейрон; мережа; множина; критерій; оптимальний вектор; навчання; інтелектуальний.

Список використаної літератури
1. Hastie T., Tibshirani R., Friedman J. Chapter 14.4 Self-Organizing Maps // The Elements of Statistical Learning. 2009. Р. 528–534.
2. Ткаченко О. М., Голубенко О. І. Завдання систем штучного інтелекту в смарт-містах // Сучасні інфокомунікаційні технології: зб. тез наук.-техн. конф. Київ, 2019. С. 239.
3. Ткаченко О. М., Підмогильний О. О. Інтервальні нейронні мережі як детектори нестабільності для реконструкції астрономічних зображень екзопланет // ХІ Міжнар. наук.-техн. конф. «Інформаційно-комп’ютерні технології – 2020 (ІКТ-2020)», Житомир, 09-11 квітня 2020. Житомир: Житомирська політехніка, 2020. С. 80–81.

Номер
№ 3 (2020)
Розділ
Статті