BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Grabowski Mariusz (Wydział Zarządzania)
Tytuł
Sieć Kohonena jako metoda identyfikacji i wizualizacji obserwacji nietypowych
Kohonen Network as a Method of Identification and Visualisation of Outlying Observations
Źródło
Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie, 2003, nr 547, s. 37-53, bibliogr. 24 poz.
Słowa kluczowe
Sieci neuronowe, Wielowymiarowa analiza statystyczna, Mapa samoorganizująca, Taksonomia, Analiza piśmiennictwa ekonomicznego
Neural networks, Multi-dimensional statistical analysis, Self-Organizing Maps (SOM), Taxonomy, Economic literature analysis
Uwagi
summ., streszcz.
Abstrakt
Jednym z kluczowych zagadnień statystycznej analizy wielowymiarowej jest spełnienie wymogu jednorodności zbioru obserwacji. Zagadnienie to jest przez wielu badaczy niedoceniane. Wiele z metod statystycznej analizy wielowymiarowej zakłada normalność rozkładu badanych cech. W rzeczywistości prawie nigdy warunek ten nie jest spełniony. W związku z tym istnieje konieczność poszukiwania metod analizy danych, pozwalających na określenie stopnia jednorodności danych i ewentualną identyfikację obserwacji nietypowych. Wydaje się, że jedną z takich metod może okazać się sieć Kohonena. W artykule zostanie przedstawiony ogólny zarys metody oraz propozycja jej wykorzystania do identyfikacji i wizualizacji danych nietypowych. (abstrakt oryginalny)

One of the key issues of statistical multivariate analysis is the fulfilment of homogeneity requirement for the set of observations. This problem is underestimated by many researchers. Many methods of statistical multivariate analysis assume the normal distribution for analysed features. In reality, this condition is very rarely met. Consequently there is a necessity to search for data analysis methods that can determine the degree of data homogeneity and identify possible outlying observations. It seems that Kohonen network may turn out to be such a method. The article presents the general outline of the considered method and the suggestion of its application to identification and visualisation of outlying data. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Cherkassky V., Lari-Najafi H. [1991], Constrained Topological Mapping for Nonparametric Regression Analysis, Neural Networks, vol. 4.
  2. Grabowski M. [1997], Sieci neuronowe w analizie danych społeczno-ekonomicznych, niepublikowana praca doktorska, AE w Krakowie, Kraków.
  3. Grabowski M. [1999], Sieć Kohonena jako metoda szacowania brakujących danych, Zeszyty Naukowe AE w Krakowie, Kraków, nr 522.
  4. Hartigan J.A. [1975], Clustering Algorithms, Wiley & Sons, New York.
  5. Haykin S. [1994], Neural Networks. A Comprehensive Foundation, Macmillan College PbL. Inc., New York.
  6. Jajuga K. [1990], Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa.
  7. Jajuga K. [1993], Statystyczna analiza wielowymiarowa, PWN, Warszawa.
  8. Kangas J. [1994], On the Analysis of Pattern Sequences by Self-Organizing Maps, Helsinki University of Tehnology, Doctoral Thesis, Espoo.
  9. Kohonen T. [1995], Self-Organizing Maps, Springer-Verlag, Berlin.
  10. Korbicz J., Obuchowicz A., Uciński D. [1994], Sztuczne sieci neuronowe, Akademicka Oficyna Wydawnicza PLJ, Warszawa.
  11. Lippmann R.P. [1987], An Introduction to Computing with Neural Nets, IEEE ASSP Mag. April.
  12. LVQ_PAK The Learning Vector Quantization Program Package Version 3.1, [1995], T. Kohonen, J. Hynninen, J. Kangas, J. Laaksonen, Helsinki University of Technology ftp://cochlea.hut.fi/pub/lvq_pak
  13. Metody taksonomiczne w badaniach społeczno-ekonomicznych [1988], J. Pociecha, B. Podo- lec, A. Sokołowski, K. Zając, PWN, Warszawa.
  14. Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych [1989], red. A. Zeliaś,, PWN, Warszawa.
  15. Murtagh F. [1994], Neural Networks and Related "Massively Parallel" Methods for Statistics: An Overview, International Statistical Review, 62.
  16. Murtagh F. [1995a], Contiguity-Constrained Hierarchical Clustering, In: Cox I.J., P. Hansen, B. Julesz, Partitioning Data Sets. DIMACS, AMS.
  17. Murtagh F. [1995b], Interpreting Kohonen Self-Organizing Map Using Contiguity-Constrained Clustering, Pattern Recognition Letters, 16.
  18. Murtagh F. [1995c], Unsupervised catalog classification. In Shaw D., Payne J., Haves J., Eds., Astronomical Data Analysis Software and Systems IV, ASP.
  19. Murtagh F., Hernändez-Pajeraz [1995], Clustering Moderately-Sized Datasets Using the Kohonen Map Approach, Statistics in Transition - Journal of the Polish Statistical Association.
  20. Oja E. [1995], PCXA, ICA and Nonlinear Hebbian Learning, Proc. int. Conf. On Artificial Neural Networks 1CANN-95. Otc. 9-13. France.
  21. Osowski S., [1996], Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa.
  22. Sarle W.S. [1994], Neural Networks and Statistical Models, Proceedings of the Nineteenth Annual SAS Users Group International Conference, April.
  23. SOM_PAK The Self-Organizing Map Program Package Version 3.1 [1995], T. Kohonen, J. Hynninen, J. Kangas, J. Laaksonen, Helsinki University of Technology, fttp://cochlea.hut.fi/pub/som_pak
  24. Tadeusiewicz R., [1993], Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa.
Cytowane przez
Pokaż
ISSN
0208-7944
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu