Fuzzy ART.

งานนำเสนอเรื่อง: "Fuzzy ART."— ใบสำเนางานนำเสนอ:

1 Fuzzy ART

2 output(j)  = vigilance [0,1] : input จะอยู่ในกลุ่มเดียวกันได้ต้องมีค่ามากกว่า vigilance 1 … J = จำนวน cluster wj  = learning rate n = จำนวน feature input(i)

3 output(j)  = vigilance [0,1] : input จะอยู่ในกลุ่มเดียวกันได้ต้องมีค่ามากกว่า vigilance 1 … J = จำนวน cluster wj  = learning rate n = จำนวน feature input(i) data Algorithm หาโหนด max Matching ปรับ weight ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป

4 -ไม่มีโหนด สร้างโหนดใหม่ w=[1 1 1 1]
input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster data  = 0.7  = 1 w1 = [ ] j = 1 I= [ ] -ไม่มีโหนด สร้างโหนดใหม่ w=[ ] ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป

5 จริง : อยู่ด้วยกันได้ให้ ปรับ weight
input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster data  = 0.7  = 1 w1 = [ ] j = 1 I= [ ] ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] จริง : อยู่ด้วยกันได้ให้ ปรับ weight Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป

6 input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster  = 0.7
data  = 0.7  = 1 w1 = [ ] j = 1 [ ] I= [ ] ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป

7 เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป
input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster data  = 0.7  = 1 w1 = [ ] j = 1 I= [ ] ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป

8 -ไม่มีโหนด สร้างโหนดใหม่ w=[1 1 1 1] T1 = 0.5 T2 = 1
input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster data 2  = 0.7  = 1 w1 = [ ] w2 = [ ] j = 2 w2=[ ] I= [ ] -ไม่มีโหนด สร้างโหนดใหม่ w=[ ] T1 = 0.5 T2 = 1 ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป

9 จริง : อยู่ด้วยกันได้ให้ ปรับ weight
input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster data 2  = 0.7  = 1 w1 = [ ] w2 = [ ] j=1 I= [ ] ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป จริง : อยู่ด้วยกันได้ให้ ปรับ weight

10 input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster 2
data 2  = 0.7  = 1 w1 = [ ] w2 = [ ] j=1 w1=[ ] I= [ ] ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป

11 input(i) output(j) wj 1 … n = จำนวน feature J = จำนวน cluster 2
data 2  = 0.7  = 1 w1 = [ ] w2 = [ ] finish ถ้าไม่มีให้สร้างโหนดใหม่ w=ones(n)=[1 1..1] Algorithm หาโหนด max Matching ปรับ weight จริง : อยู่ด้วยกันได้ให้ ปรับ weight เท็จ : กลับไป 1 เพื่อหาโหนดรองลงไป