Implementation von Oja und Konsorten
Es wurden in der Vorlesung verschiedene Methoden zur
Datenreduktion vorgestellt, die im Wesentlichen eine
Hauptkomponentenanalyse durchfüren. Sie sind
allesamt leicht zu implementieren und ein Vergleich der
einzelnen Methoden bei realistischen Daten wäre interessant.
Interessant ist auch, inwieweit die so reduzierten
Daten noch genügend Information
beinhalten, z.B. eine adäquate Klassifikation
aufgrund der reduzierten Daten noch möglich ist.
Es ist dabei nicht notwendig, den mathematischen Hintergrund
zu verstehen!
Mögliche Algorithmen:
- Training eines einzelnen Neurons mit Oja, Yuille oder Hassoun
- Training mehrerer Neuronen mit Sanger, mithilfe einer m-n-m
Encoder-Architektur mit linearen Aktivierungsfunktionen, mit
Hebb und zusätzlichen lateralen Hemmungen zwischen
den Neuronen, ...
Mögliche Daten:
Als Literatur kann man z.B. 'Hertz, Krogh, Palmer,
Introduction to the theory of neural computation' oder
'Kohonen, Self-organizing maps' verwenden.
back