New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic / Amezcua, Jonathan  

Público ISBD Ningún comentario para este registro. Título : New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic Tipo de documento: documento electrónico Autores: Amezcua, Jonathan, ; Melin, Patricia, ; Castillo, Oscar, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: VIII, 73 p. 22 ilustraciones, 12 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-73773-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 006.3 Resumen: En este libro se desarrolló un nuevo modelo para la clasificación de datos. Este nuevo modelo se basa en la red neuronal competitiva Learning Vector Quantization (LVQ) y la lógica difusa tipo 2. Este modelo computacional consiste en la hibridación de las técnicas antes mencionadas, utilizando un sistema de lógica difusa dentro de la capa competitiva de la red LVQ para determinar la distancia más corta entre un centroide y un vector de entrada. Este nuevo modelo se basa en una arquitectura modular LVQ para mejorar aún más su rendimiento en problemas de clasificación complejos. También implementa un proceso de similitud de datos para el preprocesamiento de los conjuntos de datos, con el fin de construir arquitecturas dinámicas, teniendo las clases con mayor grado de similitud en diferentes módulos. Se desarrollaron algunas arquitecturas para trabajar principalmente con dos conjuntos de datos, un conjunto de datos de arritmias (que utiliza señales de ECG) para clasificar 15 tipos diferentes de arritmias y un conjunto de datos de segmentos de imágenes de satélite utilizado para clasificar seis tipos diferentes de suelo. Ambos conjuntos de datos muestran características interesantes que los hacen interesantes para probar nuevos métodos de clasificación. . Tipo de medio : Computadora Summary : In this book a new model for data classification was developed. This new model is based on the competitive neural network Learning Vector Quantization (LVQ) and type-2 fuzzy logic.  This computational model consists of the hybridization of the aforementioned techniques, using a fuzzy logic system within the competitive layer of the LVQ network to determine the shortest distance between a centroid and an input vector. This new model is based on a modular LVQ architecture to further improve its performance on complex classification problems. It also implements a data-similarity process for preprocessing the datasets, in order to build dynamic architectures, having the classes with the highest degree of similarity in different modules. Some architectures were developed in order to work mainly with two datasets, an arrhythmia dataset (using ECG signals) for classifying 15 different types of arrhythmias, and a satellite images segments dataset used for classifying six different types ofsoil. Both datasets show interesting features that makes them interesting for testing new classification methods.  . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic [documento electrónico] / Amezcua, Jonathan, ; Melin, Patricia, ; Castillo, Oscar,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - VIII, 73 p. 22 ilustraciones, 12 ilustraciones en color. ISBN : 978-3-319-73773-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia Computacional  Inteligencia artificial Clasificación: 006.3 Resumen: En este libro se desarrolló un nuevo modelo para la clasificación de datos. Este nuevo modelo se basa en la red neuronal competitiva Learning Vector Quantization (LVQ) y la lógica difusa tipo 2. Este modelo computacional consiste en la hibridación de las técnicas antes mencionadas, utilizando un sistema de lógica difusa dentro de la capa competitiva de la red LVQ para determinar la distancia más corta entre un centroide y un vector de entrada. Este nuevo modelo se basa en una arquitectura modular LVQ para mejorar aún más su rendimiento en problemas de clasificación complejos. También implementa un proceso de similitud de datos para el preprocesamiento de los conjuntos de datos, con el fin de construir arquitecturas dinámicas, teniendo las clases con mayor grado de similitud en diferentes módulos. Se desarrollaron algunas arquitecturas para trabajar principalmente con dos conjuntos de datos, un conjunto de datos de arritmias (que utiliza señales de ECG) para clasificar 15 tipos diferentes de arritmias y un conjunto de datos de segmentos de imágenes de satélite utilizado para clasificar seis tipos diferentes de suelo. Ambos conjuntos de datos muestran características interesantes que los hacen interesantes para probar nuevos métodos de clasificación. . Tipo de medio : Computadora Summary : In this book a new model for data classification was developed. This new model is based on the competitive neural network Learning Vector Quantization (LVQ) and type-2 fuzzy logic.  This computational model consists of the hybridization of the aforementioned techniques, using a fuzzy logic system within the competitive layer of the LVQ network to determine the shortest distance between a centroid and an input vector. This new model is based on a modular LVQ architecture to further improve its performance on complex classification problems. It also implements a data-similarity process for preprocessing the datasets, in order to build dynamic architectures, having the classes with the highest degree of similarity in different modules. Some architectures were developed in order to work mainly with two datasets, an arrhythmia dataset (using ECG signals) for classifying 15 different types of arrhythmias, and a satellite images segments dataset used for classifying six different types ofsoil. Both datasets show interesting features that makes them interesting for testing new classification methods.  . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200