目次:
定義-学習ベクトル量子化（LVQ）とはどういう意味ですか？
学習ベクトル量子化（LVQ）は、人工ニューラルネットワークの一種であり、ニューラル計算を使用するアルゴリズムです。 さらに広く言えば、一種の計算知能と言えます。 このアルゴリズムは、競争力のある勝者がすべてを学習するアプローチを採用しており、パーセプトロンや逆伝播のような他のニューラルネットワークアルゴリズムにも関連しています。 LVQアルゴリズムにより、受けるトレーニングインスタンスの数を選択し、それらのインスタンスがどのように見えるかを学習できます。 LVQはTeuvo Kohonenによって発明され、k最近傍アルゴリズムに関連しています。
Techopediaは学習ベクトル量子化（LVQ）について説明します
情報処理の観点からベクトル量子化を学習する基本的な目的は、観測データサンプルの領域でコードブックベクトルのセットを準備することです。 さらに、これらのベクトルは、見えないベクトルの分類に使用されます。 最初に、ベクトルのランダムプールが作成され、その後、トレーニングサンプルにさらされます。 勝者勝ち戦略の採用では、1つまたは与えられた入力パターンに最も類似したベクトルのいずれかが選択されます。 次に、これらは入力ベクトルに近くなるように、または時には次点から遠くなるように調整されます。 このプロセスが繰り返されると、入力データ空間にコードブックベクトルが分布し、テストデータセットの基礎となるサンプルの分布を近似できます。 このアルゴリズムは、予測モデリングに使用されます。
