Similarity interaction in information-theoretic self-organizing maps
Similarity interaction in information-theoretic self-organizing maps
复制标题
信息论自组织图中的相似交互
DOI：
10.1080/03081079.2012.723209
复制
发表时间：
2012
影响因子：
2
通讯作者：
上村龍太郎
中科院分区：
文献类型：
--
作者：
上村龍太郎;上村龍太郎;上村龍太郎;上村龍太郎;上村龍太郎;上村龍太郎;上村龍太郎;Ryotaro Kamimura;Ryotaro Kamimura;Ryotaro Kamimura;Ryotaro Kamimura;Ryotaro Kamimura;Ryotaro Kamimura;Ryotaro Kamimura;Ryotaro Kamimura;Ryotaro Kamimura and Ryozo Kitajima;上村龍太郎;上村龍太郎;上村龍太郎
在本文中，我们提出了一种新的信息论计算方法，称为“相似性交互”，以提高可视化。由于神经元在自组织映射中的固定排列，神经元之间的相似性不一定是神经元之间实际相似性的忠实表示。为了放松固定的排列，我们引入了一种称为“相似性交互”的方法，因为我们将连接权的信息整合到神经元的信息中。我们将我们的方法应用于三个问题，即助教评价、汽车数据和皮肤科数据。在这三个问题中，我们成功地通过目测和定量评价证明了我们的方法具有更好的性能。我们的方法是朝着神经网络中多个组件相互作用以更好地表示输入模式迈出的第一步。
In this paper, we propose a new information-theoretic computational method called ‘similarity interaction’ for improving visualization. Due to the fixed arrangement of neurons in the self-organizing maps, similarity between neurons is not necessarily a faithful representation of the actual similarity between neurons. To relax the fixed arrangement, we introduce a method called ‘similarity interaction’, because we integrate the information of connection weights into that of neurons. We applied our method to three problems, namely teaching assistant evaluation, automobile data, and dermatology data. In all three problems, we succeeded in demonstrating the better performance of our method through visual inspection and quantitative evaluation. Our method is the first step towards the interaction of multiple components in a neural network for finer representations of input patterns.