Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloClustering Quality and Topology Preservation in Fast Learning SOMs
Anno di pubblicazione2009
FormatoCartaceo
Autore/iDi Fatta Giuseppe, Fiannaca Antonino, Gaglio Salvatore, Rizzo Riccardo, Urso Alfonso
Affiliazioni autori2,3,4,5 - ICAR-CNR, ITALY 1, - University of Reading, UK
Autori CNR e affiliazioni
  • SALVATORE GAGLIO
  • ANTONINO FIANNACA
  • RICCARDO RIZZO
  • ALFONSO URSO
Lingua/e
  • inglese
AbstractThe Self-Organizing Map (SOM) is a popular unsupervised neural network able to provide effective clustering and data visualization for data represented in multidimensional input spaces. In this paper we describe Fast Learning SOM (FLSOM) which adopts a learning algorithm that improves the performance of the standard SOM with respect to the convergence time in the training phase. We show that FLSOM also improves the quality of the map by providing better clustering quality and topology preservation of multi-dimensional input data. Several tests have been carried out on different multidimensional datasets, which demonstrate better performances of the algorithm in comparison with the original SOM.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da625
Pagine a639
Pagine totali-
RivistaNeural Network World (Prague)
Attiva dal 1991
Editore: Computer World Co., - Prague
Paese di pubblicazione: Repubblica Ceca
Lingua: inglese
ISSN: 1210-0552
Titolo chiave: Neural Network World (Prague)
Titolo proprio: Neural Network World. (Prague)
Titolo abbreviato: Neural Netw. World (Prague)
Numero volume della rivista19-5
Fascicolo della rivista-
DOI-
Verificato da referee-
Stato della pubblicazione-
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000271688500016)
Parole chiave-
Link (URL, URI)-
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • ICAR — Istituto di calcolo e reti ad alte prestazioni
Moduli/Attività/Sottoprogetti CNR
  • ICT.P08.003.001 : F.A.C.I.L.E. - Framework ad agenti cognitivi per la gestione e fruizione intelligente di informazioni sensoriali, conoscenze e servizi avanzati
  • INT.P02.007.001 : Analisi intelligente dei dati per la bioinformatica
Progetti Europei-
Allegati
Clustering Quality and Topology Preservation in Fast Learning SOMs (documento privato )
Tipo documento: application/pdf

Dati storici
I dati storici non sono modificabili, sono stati ereditati da altri sistemi (es. Gestione Istituti, PUMA, ...) e hanno solo valore storico.
Rivista ISINEURAL NETWORK WORLD [00451NN]
Note