الشبكات العصبية للتعلم التنافسي التكيفي

في هذه الورقة، تم اقتراح خوارزمية الشبكة العصبية للتعلم التنافسي التكيفي (ACL). لا تقوم هذه الشبكة العصبية بتجميع متجهات الميزات المدخلة المتشابهة فحسب، بل تحدد أيضًا العدد المناسب من مجموعات هذه المتجهات. تستخدم هذه الخوارزمية معايير جديدة مقترحة تُعرف بمعيار ACL. تقيم هذه المعايير هياكل التجميع المختلفة الناتجة عن الشبكة العصبية ACL لمجموعة بيانات المدخلات. ثم تختار أفضل هيكل تجميع والهندسة المعمارية المقابلة لهذه البيانات. يتكون الهيكل المختار من الحد الأدنى من المجموعات التي تكون مضغوطة ومتوازنة في أحجامها. تعتبر الهندسة المعمارية المختارة للشبكة فعالة من حيث تعقيدها، حيث تحتوي على أقل عدد من الخلايا العصبية. تمثل متجهات الوزن التشابكي لهذه الخلايا العصبية مجموعات منفصلة، مضغوطة ومتوازنة في مجموعة بيانات المدخلات. يتم تقييم أداء خوارزمية ACL ومقارنتها بأداء خوارزمية مقترحة مؤخرًا في الأدبيات في تجميع مجموعة بيانات المدخلات وتحديد عدد مجموعاتها. تظهر النتائج أن خوارزمية ACL أكثر دقة وقوة في كل من تحديد عدد المجموعات وتخصيص متجهات الميزات المدخلة إلى هذه المجموعات مقارنة بالخوارزمية الأخرى، خاصة مع مجموعات البيانات الموزعة بشكل متفرق.