Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloA high-order graph generating self-organizing structure
Anno di pubblicazione2005
Formato
  • Elettronico
  • Cartaceo
Autore/iRiccardo Rizzo
Affiliazioni autoriItalian Natl Res Council, Inst High Performance Comp & Networking, I-90128 Palermo, Italy
Autori CNR e affiliazioni
  • RICCARDO RIZZO
Lingua/e
  • inglese
AbstractA large class of neural network models have their units organized in a lattice with fixed topology or generate their topology during the learning process. These network models can be used as neighborhood preserving map of the input manifold, but such a structure is difficult to manage since these maps are graphs with a number of nodes that is just one or two orders of magnitude less than the number of input points (i.e., the complexity of the map is comparable with the complexity of the manifold) and some hierarchical algorithms were proposed in order to obtain a high-level abstraction of these structures. In this paper a general structure capable to extract high order information from the graph generated by a large class of self-organizing networks is presented. This algorithm will allow to build a two layers hierarchical structure starting from the results obtained by using the suitable neural network for the distribution of the input data. Moreover the proposed algorithm is also capable to build a topology preserving map if it is trained using a graph that is also a topology preserving map
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da349
Pagine a355
Pagine totali-
RivistaInternational journal of neural systems
Attiva dal 1989
Editore: World Scientific. - Singapore
Paese di pubblicazione: Singapore
Lingua: inglese
ISSN: 0129-0657
Titolo chiave: International journal of neural systems
Titolo abbreviato: Int. j. neural syst.
Numero volume della rivista15
Fascicolo della rivista5
DOI10.1142/S0129065705000323
Verificato da refereeSì: Internazionale
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000233460300003)
Parole chiaveGraph clustering, self-organization, growing neural networks
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
  • ICAR — ICAR - Sede secondaria di Palermo
Moduli/Attività/Sottoprogetti CNR-
Progetti Europei-
Allegati
A high-order graph generating self-organizing structure (documento privato )
Descrizione: articolo pubblicato
Tipo documento: application/pdf

Dati associati a vecchie tipologie
I dati associati a vecchie tipologie non sono modificabili, derivano dal cambiamento della tipologia di prodotto e hanno solo valore storico.
Editore
  • WORLD SCIENTIFIC PUBL CO PTE LTD, SINGAPORE (Taiwan)