COMPETITIVE LEARNING IN NEURAL NETWORKS

2022

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.54309/ijict.2020.3.3.011
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

The article presents the basic concept of competitive learning in neural networks. Provides the main machine learning learning models and applications. The analysis of the advantages and disad-vantages of these models is carried out. The geometric interpretation of competitive learning is presented in terms ofmathematical formulas, as well as the behavior of neurons in this model. Neural systems are described as a powerful tool and driver in the field of modern Internet technologies, in data science and big (meta) data.