Tabla de contenido:
- Definición - ¿Qué significa Learning Vector Quantization (LVQ)?
- Techopedia explica la Cuantización de Vector de Aprendizaje (LVQ)
Definición - ¿Qué significa Learning Vector Quantization (LVQ)?
La cuantificación del vector de aprendizaje (LVQ) es un algoritmo que es un tipo de redes neuronales artificiales y utiliza el cálculo neuronal. En términos más generales, se puede decir que es un tipo de inteligencia computacional. Este algoritmo adopta un enfoque competitivo y ganador para el aprendizaje y también está relacionado con otros algoritmos de redes neuronales como Perceptron y la propagación inversa. El algoritmo LVQ le permite a uno elegir el número de instancias de entrenamiento a las que se someterá y luego aprende cómo se ven esas instancias. LVQ fue inventado por Teuvo Kohonen y está relacionado con el algoritmo vecino k-más cercano.
Techopedia explica la Cuantización de Vector de Aprendizaje (LVQ)
El objetivo básico de aprender la cuantización de vectores en términos de procesamiento de información es preparar, en el dominio de muestras de datos observados, un conjunto de vectores de libro de códigos. Además, estos vectores se usan para la clasificación de vectores que no se ven. Inicialmente, se compone un grupo aleatorio de vectores y luego se exponen a muestras de entrenamiento. En el empleo de una estrategia de ganador se lleva todo, se eligen uno o aquellos que son vectores más similares al patrón de entrada dado. Estos se ajustan de tal manera que estén más cerca del vector de entrada, o, a veces, más lejos del finalista. Al repetir este proceso, da como resultado una distribución de vectores de libro de códigos en el espacio de entrada que puede aproximarse a la distribución de muestras subyacentes al conjunto de datos de prueba. Este algoritmo se usa para el modelado predictivo.
