A Kernel Bayesian Adaptive Resonance Theory with A Topological Structure
This paper attempts to solve the typical problems of self-organizing growing network models, i.e. (a) an influence of the order of input data on the self-organizing ability, (b) an instability to high-dimensional data and an excessive sensitivity to noise, and (c) an expensive computational cost by...
محفوظ في:
المؤلفون الرئيسيون: | Masuyama, Naoki, Loo, Chu Kiong, Wermter, Stefan |
---|---|
التنسيق: | مقال |
منشور في: |
World Scientific Publishing
2019
|
الموضوعات: | |
الوصول للمادة أونلاين: | http://eprints.um.edu.my/24040/ https://doi.org/10.1142/S0129065718500521 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Kernel Bayesian ART and ARTMAP
بواسطة: Masuyama, Naoki, وآخرون
منشور في: (2018) -
Topological Clustering via Adaptive Resonance Theory With Information Theoretic Learning
بواسطة: Masuyama, Naoki, وآخرون
منشور في: (2019) -
Divisive hierarchical clustering based on adaptive resonance theory
بواسطة: Yamada, Yuna, وآخرون
منشور في: (2020) -
Privacy-Preserving Continual Federated Clustering via Adaptive Resonance Theory
بواسطة: Masuyama, Naoki, وآخرون
منشور في: (2024) -
Recurrent Kernel Extreme Reservoir Machine for Time Series Prediction
بواسطة: Liu, Zongying, وآخرون
منشور في: (2018)