Adaptive Mischungen örtlicher Experten

Wir stellen ein neues überwachtes Lernverfahren für Systeme vor, die aus vielen separaten Netzwerken bestehen, von denen jedes lernt, einen Teilmenge des vollständigen Trainingssatzes zu bearbeiten. Das neue Verfahren kann entweder als modulare Version eines mehrschichtigen überwachten Netzwerks oder als assoziative Version des kompetitiven Lernens betrachtet werden. Es stellt somit eine neue Verbindung zwischen diesen zwei scheinbar unterschiedlichen Ansätzen her. Wir zeigen, dass das Lernverfahren eine Vokaldiskriminierungsaufgabe in geeignete Teilaufgaben aufteilt, die jeweils von einem sehr einfachen Expertennetzwerk gelöst werden können.