Zusammenfassung
In vielen Fällen entspricht die Verteilung von empirisch erhobenen Daten nicht einer Normalverteilung. Um eine vergleichbare Skalierung der Daten zu erreichen, ist eine Transformation in eine Normalverteilung oder zumindest in eine symmetrische Verteilung notwendig. Desweiteren basieren viele statistische Verfahren auf der Annahme einer Normalverteilung. Die Bestimmung einer geeigneten Transformation beinhaltet typischerweise einen “trial and error” Prozeß oder benötigt die Erfahrung eines Experten. In diesem Bericht wird eine Methode beschrieben, mit der es möglich ist, durch den Einsatz einer Self-Organizing Feature Map den Auswahlprozeß zu automatisieren. Zur Prädiktion einer Transformation wurde der Lernalgorithmus der Feature Map modifiziert. Erste Ergebnisse haben gezeigt, daß die Feature Map in der Lage ist, die Verteilungen des Trainingsdatensatzes in eine Normalverteilung zu transformieren. Auch für neue Verteilungen, die das System nicht gelernt hat, prädiziert das Modell geeignete Transformationsparameter, wodurch seine Fähigkeit zur Generalisierung deutlich wird.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Hartung, J. Statistik. Lehr-und Handbuch der angewandten Statistik. 7. Auflage, Oldenbourg, München 1989
Kohonen, T. Self-Organisation and Associative Memory. Springer Verlag, Berlin 1984
Fanihagh, F.; Lütgendorf, A.; Mempel, M.; Rossbach, P.; Schneider, B.; Wegmann, F. Wissensakquisition für wissensbasierte Systeme mit konnektionistischen Modellen, in [6]
] Rumelhardt, D.E.; McClelland J.L. Parallel Distributed Processing: Exploration in the Microstructure of Cognition, Volume 1: Foundations, MIT Press, Cambridge (Massachusetts ) 1986
Schlittgen, R. Einführung in die Statistik, 2. Auflage, Oldenbourg, München 1990
Ultsch, A. (Ed.) Kopplung deklarativer und konnektionistischer Wissensrepräsentation. Endbericht der Projektgruppe PANDA, Berichtnummer: 352, Universität Dortmund 1990
Ultsch, A., Halmans, G., Mantyk, R. CONKAT: A Connectionist Knowledge Acquisition Tool. in: Proceedings of the Twenty-Fourth Annual Hawaii International Conference on System Sciences, IEEE Computer Society Press, Los Alamitos, California 1991
Ultsch, A., Siemon, H.P. Kohonen Networks on Transputers: Implementation and Animation, in: Proceedings of the International Neural Network Conference (INNC), Volume 2, Paris 1990
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Ultsch, A., Halmans, G., Schulz, K. (1991). Die Transformation experimenteller Verteilungen durch eine Self-Organizing Feature Map. In: Radig, B. (eds) Mustererkennung 1991. Informatik-Fachberichte, vol 290. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-08896-8_26
Download citation
DOI: https://doi.org/10.1007/978-3-662-08896-8_26
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54597-2
Online ISBN: 978-3-662-08896-8
eBook Packages: Springer Book Archive