|
|
| (не показаны 2 промежуточные версии этого же участника) |
| Строка 1: |
Строка 1: |
| − | {{algorithm
| |
| − | | name = Алгоритм кластеризации, основанный на сетях Кохоннена
| |
| − | | serial_complexity = <math>O(n^3)</math>
| |
| − | | pf_height = <math>O(n)</math>
| |
| − | | pf_width = <math>O(n^2)</math>
| |
| − | | input_data = <math>\frac{n (n + 1)}{2}</math>
| |
| − | | output_data = <math>\frac{n (n + 1)}{2}</math>
| |
| − | }}
| |
| | | | |
| − |
| |
| − | Основные авторы описания: Логвиненко Александра 613 и Адиев Тохтар 616
| |
| − |
| |
| − | == Свойства и структура алгоритма ==
| |
| − | === Общее описание алгоритма ===
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − |
| |
| − | Метод был предложен финским учёным Теуво Кохоненом в 1984 году. Особый вид нейронных сетей, известных как самоорганизующиеся карты Кохонена, которые используются для решения задач кластеризации данных. Помимо карт Кохонена существует целый класс нейросетей — нейронные сети Кохонена, основным элементом которых является слой Кохонена.
| |
| − |
| |
| − | Алгоритм обучения Кохонена и карты Кохонена послужили основой для большого количества исследований в области нейронных сетей, благодаря чему Кохонен считается самым цитируемым финским ученым. Количество научных работ по картам Кохонена составляет около 8 000[4].
| |
| − |
| |
| − | Т. Кохонен — автор более 300 публикаций и 4 монографий
| |
| − |
| |
| − | === Математическое описание алгоритма ===
| |
| − |
| |
| − |
| |
| − |
| |
| − | === Вычислительное ядро алгоритма ===
| |
| − |
| |
| − |
| |
| − | === Макроструктура алгоритма ===
| |
| − |
| |
| − |
| |
| − | === Схема реализации последовательного алгоритма ===
| |
| − |
| |
| − | === Последовательная сложность алгоритма ===
| |
| − |
| |
| − | === Информационный граф ===
| |
| − |
| |
| − | === Ресурс параллелизма алгоритма ===
| |
| − |
| |
| − | === Входные и выходные данные алгоритма ===
| |
| − |
| |
| − |
| |
| − | === Особенности реализации последовательного алгоритма ===
| |
| − |
| |
| − |
| |
| − | === Локальность данных и вычислений ===
| |
| − |
| |
| − | ==== Локальность реализации алгоритма ====
| |
| − |
| |
| − | ===== Структура обращений в память и качественная оценка локальности =====
| |
| − |
| |
| − |
| |
| − | ===== Количественная оценка локальности =====
| |
| − |
| |
| − |
| |
| − | === Возможные способы и особенности параллельной реализации алгоритма ===
| |
| − |
| |
| − |
| |
| − |
| |
| − | === Масштабируемость алгоритма и его реализации ===
| |
| − |
| |
| − | ==== Масштабируемость алгоритма ====
| |
| − |
| |
| − | ==== Масштабируемость реализации алгоритма ====
| |
| − |
| |
| − | === Динамические характеристики и эффективность реализации алгоритма ===
| |
| − |
| |
| − |
| |
| − | === Выводы для классов архитектур ===
| |
| − |
| |
| − |
| |
| − | === Существующие реализации алгоритма ===
| |
| − | == Литература ==
| |
