선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 Hopfield 네트워크를 사용하여 데이터 클러스터링 문제를 해결하는 알고리즘을 연구하였고, 실험을 통해 K-means 방법과 비교하였다.
- B의 값이 7에 비해 너무 작으면 가능한 해를 찾을 수는 았으나 최적해로부터 너무 멀어지 는 경향이 있으며, 7가 너무 커지면 가능한 해를 찾기가 어렵다. 본 논문은 Hopfield 네트워크에서의 spurious 상태 (infeasible solution) 들을 억제하기 위해 Shi geo Abe에 제안된 방법을 이용하여 가능한 해를 보장하는 범위 하에서 에너지 가중치를 결정하였다 [2]. '
가설 설정
- 가능한 해에 인접한 spurious 상태들을 억제하기 위해 임의의 가능한 해를 가정하고 입력 패턴 X의 클러스터 i에서 한 뉴런의 상태를 "1”에서 "0"으로 바꾼다. 이때 (6) 식의 에너지 함수 E에서 첫 번째 항은 q/2만큼, 두 번째 항은 8/2만큼 중가하고 세 번째 항은 만큼 감소하게 된다.
- 입력 벡터 罔 초기 값을 어떻게 정하느냐에 따라 평형 상태로의 수렴 속도와 해가 달라질 수 있다. 평균 수렴 속도를 높이기 위하여 본 논문에서는 血차 hypercube를 가정하고 y의 초기 값이 중심 근처에 있도록 다음과 같이 주었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.