خرائط Kohonen Som: تطبيع المدخلات بنطاق غير معروف

Question

وفقًا لـ "مقدمة للشبكات العصبية مع Java by Jeff Heaton" ، يجب أن تكون المدخلات إلى شبكة Kohonen العصبية هي القيم بين -1 و 1.

من الممكن تطبيع المدخلات حيث يكون النطاق معروفًا مسبقًا: على سبيل المثال RGB (125 ، 125 ، 125) حيث يعرف النطاق قيمًا بين 0 و 255:
1. قسمة على 255: (125/255) = 0.5 >> (0.5،0.5،0.5)
2. اضرب بمقدار اثنين وطرح واحد: ((0.5*2) -1) = 0 >> (0،0،0)

والسؤال هو كيف يمكننا تطبيع المدخلات حيث يكون النطاق غير معروف مثل الطول أو الوزن.

أيضًا ، تذكر بعض الأوراق الأخرى أنه يجب تطبيع المدخلات إلى القيم بين 0 و 1. ما هي الطريقة المناسبة "-1 و 1" أو "0 و 1"؟

Answer 1

يمكنك دائمًا استخدام وظيفة السحق لرسم خريطة لفاصل لا حصر له إلى فاصل محدود. على سبيل المثال ، يمكنك استخدام تان.

قد ترغب في استخدام TANH (x * l) مع L تم اختياره يدويًا ، حتى لا تضع الكثير من الكائنات في نفس المنطقة. لذا ، إذا كان لديك تخمين جيد بأن القيم القصوى لبياناتك هي +/- 500 ، فقد ترغب في استخدام TANH (x / 1000) كخطط حيث تكون x هي قيمة كائنك حتى يكون من المنطقي طرح الخاص بك تخمين الوسط من X ، العائد TANH ((X - يعني) / كحد أقصى).

Answer 2

من ما أعرفه عن Kohonen Som ، فهي تطبيع محدد لا يهم حقًا.

حسنًا ، قد يكون ذلك من خلال خيارات محددة لقيمة معلمات خوارزمية التعلم ، ولكن الشيء الأكثر أهمية هو أن الأبعاد المختلفة لنقاط الإدخال الخاصة بك يجب أن تكون بنفس الحجم.

تخيل أن كل نقطة بيانات ليست بكسل مع مكونات RGB الثلاثة ، ولكنها متجه مع بيانات إحصائية لبلد ما ، على سبيل المثال ، المنطقة ، والسكان ، .... من المهم لتقارب جزء التعلم بأن كل هذه الأرقام هي من نفس الحجم.

لذلك ، لا يهم حقًا إذا كنت لا تعرف النطاق الدقيق ، عليك فقط أن تعرف تقريبًا السعة المميزة لبياناتك.

للوزن والحجم ، أنا متأكد من أنه إذا قمت بتقسيمهما على التوالي على 200 كيلوغرام و 3 أمتار ، ستنخفض جميع نقاط البيانات الخاصة بك في الفاصل الزمني] 0 1]. يمكنك حتى استخدام 50 كجم و 1 متر ، الشيء المهم هو أن جميع الإحداثيات ستكون من الترتيب 1.

أخيرًا ، يمكنك التفكير في تشغيل بعض أدوات التحليل الخطي مثل POD على البيانات التي من شأنها أن تمنحك تلقائيًا وسيلة لتطبيع بياناتك ومساحة فرعية لتهيئة الخريطة الخاصة بك.

أتمنى أن يساعدك هذا.