جدول المحتويات:
تعريف - ماذا يعني التعلم المتجه الكمي (LVQ)؟
تعلم تكميم ناقل (LVQ) هو خوارزمية هي نوع من الشبكات العصبية الاصطناعية ويستخدم الحساب العصبي. على نطاق أوسع ، يمكن القول أنه نوع من الذكاء الحسابي. تأخذ هذه الخوارزمية نهجًا تنافسيًا ومفيدًا للفائز في التعلم وترتبط أيضًا بخوارزميات الشبكة العصبية الأخرى مثل Perceptron والانتشار الخلفي. تسمح خوارزمية LVQ للمرء باختيار عدد حالات التدريب للخضوع ثم يتعلم كيف تبدو هذه الحالات. تم اختراع LVQ بواسطة Teuvo Kohonen وهو مرتبط بخوارزمية الجوار k الأقرب.
تيكوبيديا تشرح تعلم المتجهات (LVQ)
الهدف الأساسي من تعلم الكميات المتجهية من حيث معالجة المعلومات هو إعداد ، في مجال عينات البيانات المرصودة ، مجموعة من متجهات دفاتر الكود. علاوة على ذلك ، يتم استخدام هذه المتجهات لتصنيف المتجهات غير المرئية. في البداية ، تتكون مجموعة عشوائية من المتجهات ، ثم تتعرض لعينات التدريب. عند استخدام استراتيجية الفائز ، يتم اختيار إما واحد أو أكثر من المتجهات المماثلة لنمط الإدخال المحدد. ثم يتم ضبطها بطريقة تكون أقرب إلى ناقل الإدخال ، أو في بعض الأحيان أبعد من الوصيف. عند تكرار هذه العملية ، ينتج عنها توزيع متجهات codebook في مساحة الإدخال التي يمكن أن تقارب توزيع العينات التي تقوم عليها مجموعة بيانات الاختبار. يتم استخدام هذه الخوارزمية للنمذجة التنبؤية.
