Redes Dinamicas

UNIVERSIDAD DE MALAGA
ESCUELA TECNICA
SUPERIOR DE INGENIERIA
INFORMATICA
INGENIERO TECNICO
EN INFORMATICA
DE
SISTEMAS
REDES NEURONALES NO
SUPERVISADAS CON TOPOLOGIA
DINAMICA
PARA LA SEGMENTACION
DE IMAGENES
EN COLOR.
Realizado por
ANTONIO DIAZ RAMOS
Dirigido por
EZEQUIEL LOPEZ
RUBIO
Departamento
LENGUAJES Y CIENCIAS DE LA COMPUTACION
MALAGA,
Noviembre 2010
1

UNIVERSIDAD DE MALAGA
ESCUELA TECNICA
SUPERIOR DE INGENIERIA
INFORMATICA
INGENIERO TECNICO
EN INFORMATICA
DE
SISTEMAS
Reunido el tribunal examinador en el da de la fecha, constituido por:

Presidente/a Do /Da .
Secretario/a Do /Da .
Vocal Do /Da .
para juzgar el proyecto Fin de Carrera titulado:
realizado por Do /Da

tutorizado por Do /Da .
y, en su caso, dirigido academicamente por
Do /Da .
POR
ACORDO
OTORGAR LA CALIFICACION
DE
Y PARA QUE CONSTE, SE EXTIENDE FIRMADA POR LOS COMPARECIENTES DEL TRIBUNAL, LA PRESENTE DILIGENCIA.
de
Malaga a
2
del 20
Indice general
1. Introducci
on.
1.1. Descripcion de un mapa auto-organizado. . . .
1.2. Aprendizaje en un mapa auto-organizado. . .
1.3. Algunas variantes de mapas auto-organizados.
1.4. Otras variantes de mapas auto-organizados. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4
7
11
15
20
2. Nuevo enfoque te
orico.
23
2.1. Recuperando las variantes. . . . . . . . . . . . . . . . . . . . . 26
3. Un
3.1.
3.2.
3.3.
3.4.
mapa auto-organizado generalizado.

Construccion de la densidad continua. . . . .
Construccion del grafo de distancias. . . . .
Construccion de las geodesicas y la distancia
Funcionamiento del mapa auto-organizado. .
. . . . . .
. . . . . .
geodesica.
. . . . . .
4. Aplicaci
on a la segmentaci
on de im
agenes.
4.1. Implementacion MATLAB. . . . . . . . . . . . . .
4.2. Dependencia de los parametros. . . . . . . . . . .
4.3. Resultados. . . . . . . . . . . . . . . . . . . . . .
4.3.1. Algoritmo de aprendizaje de dos fases. . .
4.3.2. Algoritmo de aprendizaje de dos fases con
convergencia. . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . .
. . . . . .
. . . . . .
. . . . . .
criterio de
. . . . . .
.
.
.
.
28
30
32
36
42
.
.
.
.
43
47
50
55
61
. 66
5. Discusi
on y conclusiones.
69
A. Geometra y Topologa.
74
B. Glosario.
81
Captulo 1
Introducci
on.
Los mapas auto-organizados o redes de Kohonen (SOM por sus siglas
en ingles, self-organizing map) fueron introducidos por el profesor finlandes
Teuvo Kohonen en los artculos [8, 9]. Un mapa auto-organizado es una herramienta que analiza datos en muchas dimensiones con relaciones complejas
entre ellos y los presenta en una visualizacion sencilla en solo dos dimensiones.
La propiedad mas importante de una SOM es que preserva las propiedades
topologicas de los datos, es decir, que datos proximos aparecen proximos en
la visualizacion.
Para entender las posibilidades de un mapa auto-organizado imaginemos
por un momento que queremos comparar los niveles de vida de distintos
pases. Los datos estadsticos del Banco Mundial para 126 pases dan 39
indicadores de calidad de vida para cada pas, relacionados con salud, nutricion, educacion, etc. El efecto conjunto y complejo de todos estos factores se
puede visualizar en un mapa auto-organizado. Los pases que tienen niveles
de vida similares aparecen uno junto a otro en el mapa, y los colores solo se
han a
nadido para resaltar las similitudes entre pases:

CAPITULO 1. INTRODUCCION.
Figura 1.1: Niveles de vida de diversos pases en un mapa auto-organizado.

Los datos son del Banco Mundial son de 1992 y el ejemplo esta tomado de
la Universidad Tecnologica de Helsinki (http://www.cis.hut.fi/research/somresearch/worldmap.html), donde actualmente trabaja el profesor Kohonen.
En este caso, datos estadsticos complejos en 39 dimensiones han sido representados usando u
nicamente dos dimensiones y preservando en el proceso las
relaciones de proximidad entre los datos.
La literatura relacionada con los mapas auto-organizados y sus aplicaciones es muy diversa y numerosa. Desde su origen en 1981 se han publicado
mas de 7000 artculos que usan, analizan o se benefician de las SOM de
alg
un modo, incluyendo las siguientes areas: imagen y vdeo, reconocimiento
de patrones, tecnicas matematicas, inteligencia artificial, software, ingeniera
en biologa y medicina, teora de la informacion y la codificacion, reconocimiento de voz, control, procesamiento de se
nales, circuitos, ciencias de la
informacion y documentacion y negocios y administracion [10, 16, 19].
Este trabajo arranca del concepto de mapa auto-organizado y se ramifica
en una parte teorica y otra practica. Partiendo de una descripcion de los
mapas auto-organizados y algunas de sus variantes mas populares desarrollamos un nuevo concepto de mapa auto-organizado generalizado. El nuevo
enfoque se llevara a cabo mediante conceptos matematicos del area de la
5

Geometra y la Topologa. La parte practica del proyecto se concretara en la
aplicacion de estas ideas al dise
no de un mapa auto-organizado generalizado
que realice segmentacion de imagenes en color. Este

constara esencialmente
de los mismos elementos que posee un mapa auto-organizado, a saber, un
conjunto de neuronas con una topologa y un algoritmo de aprendizaje. Para
evaluar la eficacia de este nuevo tipo de red neuronal no supervisada en
la segmentacion de imagenes en color se realizara un analisis estadstico a
posteriori.
El contenido del trabajo se subdivide en 3 captulos y 2 apendices. El
primero de ellos empieza con esta introduccion y las dos secciones siguientes
1.1 y 1.2 se dedican, respectivamente, a una primera descripcion elemental
de los mapas auto-organizados tras introducir conceptos basicos de redes
neuronales artificiales, y a una exposicion detallada del algoritmo de aprendizaje de un mapa auto-organizado, incluyendo las ecuaciones introducidas
por Kohonen.
Las dos siguientes secciones se dedican a revisar algunos artculos que presentan variantes de mapas auto-organizados o construcciones relacionadas.
La seccion 1.3 se centra en las variantes que modifican la topologa, distancia
entre neuronas o distancia entre la entrada y las neuronas. La seccion 1.4 en
cambio presenta trabajos no tan directamente relacionados con estas componentes de un mapa auto-organizado. En ambas secciones se van abstrayendo
y resaltando las ideas que dan a lugar a variantes de mapas auto-organizados
y que a nuestro juicio merece la pena destacar.
El Captulo 2 contiene el desarrollo teorico. Como hilo motivador y conductor del desarrollo teorico se usaran las ideas que se destacaron en la secciones 1.3 y 1.4. Para lo conceptos matematicos involucrados se remite al
lector al Apendice A.
El Captulo 3 contiene una aplicacion de las ideas desarrolladas en el
Captulo 2. Se describe un mapa auto-organizado generalizado cuya diferencia fundamental con los mapas auto-organizados clasicos estriba en que
las neuronas recorren las geodesicas en cierta metrica en vez de segmentos
rectilneos. Esta construccion se complementa con el Captulo 4, donde se
proporciona una instancia de este mapa auto-organizado aplicado al proble6

ma de la segmentacion de imagenes en color. Esto se ha concretado como
una serie de ejecutables en MATLAB y en C. Se concluye el captulo con un
estudio comparativo estadstico de la calidad de los resultados obtenidos con
este nuevo metodo.
El u
ltimo captulo contiene una discusion de los logros y limitaciones de
este trabajo, as como varias direcciones en las que seguir investigando a partir de lo aqu expuesto. El Apendice A contiene las definiciones matematicas
necesarias del ambito de la Geometra y Topologa para introducir el concepto
de variedad diferenciable Riemanniana, as como los conceptos de distancia
geodesica y geodesica (minimizante) en estas variedades. El Apendice B contiene un glosario de terminos especializados relacionados con el area de redes
neuronales artificiales y algunas de sus aplicaciones.
1.1.
Descripci
on de un mapa auto-organizado.
Un SOM o mapa auto-organizado se puede clasificar como un tipo particular de red neuronal artificial. Recordemos que una red neuronal artificial
es un objeto computacional que hace las veces de una funcion o aplicacion
entre un determinado espacio de entrada y un espacio de salida f : X Y :
Figura 1.2: Red neuronal artificial como una funcion.

Las redes neuronales artificiales estan modeladas en la biologa del cerebro humano y constan de una serie de unidades o neuronas interconectadas.
La funcion f que representa un red neuronal artificial depende directamente
de estas neuronas y sus interconexiones. Su principal virtud y aquello que
7

caracteriza a las redes neuronales artificiales es que son capaces de aprender.
El aprendizaje se consigue alterando la naturaleza de la red misma: las conexiones y su intensidad as como las neuronas mismas se modifican. Estos
cambios producen a su vez que la funcion f que representa la red se altere.
Este proceso ocurre en una serie de etapas o iteraciones en cada una de las
cuales se produce una actualizacion de la red neuronal y de la funcion que
representa.
Las redes neuronales artificiales se clasifican seg
un el tipo de aprendizaje
que contemplen:
Aprendizaje supervisado: dado un conjunto de pares {(xi , yi )}i=1,...,M
pertenecientes a X Y la red aprende para dar la mejor aproximacion
a una funcion f que satisfaga f (xi ) = yi .
Aprendizaje no supervisado: se parte de un conjunto o distribucion en
el espacio de entrada {xi }i=1,...,M y la red aprende para dar una funcion
f que minimize una funcion de coste C = C(f ).
En vez de introducir aqu en detalle el paradigma completo de las redes
neuronales artificiales y sus distintos tipos vamos a centrarnos en describir
en profundidad los mapa auto-organizados, ya que son el u
nico tipo de red
neuronal artificial que se utiliza a lo largo de este trabajo.
Los mapas auto-organizados son un tipo particular de red neuronal artificial con aprendizaje no supervisado. Un mapa auto-organizado consiste en
un conjunto de nodos o neuronas usualmente dispuestos en forma unidimensional o en forma de malla de dos dimensiones con distribucion ortogonal o
hexagonal:

Figura 1.3: Distribuciones tpicas de las neuronas en un mapa autoorganizado.

Las conexiones entre las neuronas que se observan en la figura son crticas
para el funcionamiento del mapa auto-organizado. Cada neurona de la malla
tiene asociado un vector de las mismas dimensiones que el espacio de entrada.
Este vector se conoce como vector de pesos de la neurona. Por esto mismo uno
puede imaginar la red neuronal como un un segmento unidimensional o una
malla bidimensional, seg
un corresponda, que yace en el espacio de entrada.
Durante el proceso de aprendizaje estos vectores se modifican iterativamente:
cuando se presenta un dato de entrada x a la red la neurona con el vector de
pesos mas cercano y sus neuronas proximas en la malla de la red modifican
sus pesos de forma que se asemejen mas a la entrada x.
Figura 1.4: Aprendizaje en un mapa auto-organizado.

En la figura anterior se representa una red bidimensional dispuesta en el
espacio de entrada a la izquierda. En la imagen central un dato de entrada
x es presentado a la red y la neurona mas cercana se selecciona (en rojo).
Finalmente, esta neurona y su vecinas en la malla se mueven hacia la entrada
x. La neurona mas cercana o neurona ganadora se suele denotar por sus siglas
en ingles BMU (best matching unit). Este tipo de aprendizaje se conoce como
9

aprendizaje competitivo ya que las neuronas compiten por ser la mas cercana
a la entrada.
Despues de un n
umero suficiente de iteraciones, la red se adapta a la
forma de los datos o distribucion de entrada {xi }i=1,...,M :
Figura 1.5: Mapa auto-organizado tras un n

umero grande de iteraciones.
La funcion f : X Y asociada a un mapa auto-organizado es la funcion
que asigna a cualquier valor de entrada x la neurona de la malla cuyo vector
de pesos es mas cercana a la entrada, es decir, la BMU. Por tanto en este
caso el espacio de salida es la malla de la red. Por sencillez denotemos a esta
funcion por BM U : X malla de la red, en vez de por f . Abusando un
poco de notacion usaremos BMU tanto para denotar la neurona ganadora
en la malla como para denotar su vector de pesos en el espacio de entrada.
Que version estamos usando estara claro por el contexto.
Como comentamos anteriormente un mapa-organizado es un red neuronal
artificial con aprendizaje no supervisado y por tanto debe haber una funcion
de coste asociada que el mapa intenta minimizar durante su aprendizaje. En
nuestras aplicaciones esta funcion de coste sera el error cuadratico medio o
M SE por sus siglas en ingles, mean squared error:
PM
||xi BM U (xi )||2

M SE =
,
(1.1)
M
son los datos de entradas y M el n
umero de entradas o
i=1
donde {xi }i=1,...,M
10

muestras. Esta cantidad mide como de bien la red ha capturado la distribucion de entrada.
En general, el funcionamiento de un mapa auto-organizado se puede dividir en tres etapas:
1. Inicializacion de los vectores de peso de las neuronas.
2. Aprendizaje de la red.
3. Evaluacion de una funcion de coste como (1.1).
En la siguiente seccion se explican las dos primeras etapas en detalle.
1.2.
Aprendizaje en un mapa auto-organizado.
En esta seccion repasamos las ecuaciones clasicas introducidas por Kohonen que determinan el aprendizaje en un mapa auto-organizado.
Supongamos que los datos de entrada viven en el espacio real de n dimensiones Rn . As que xi Rn para cada muestra de los datos de entrada
{xi }i=1,...,M . Consideremos una poblacion de N neuronas y denotemos por ni
el vector de pesos de Rn asociado a la neurona i para i = 1, . . . , N . Usemos
la variable t para denotar la iteracion actual t = 0, 1, 2, 3, . . ., de manera que
ni (t) corresponde al vector de la neurona i en el instante t. Por u
ltimo, denotemos por x(t) el dato de entrada que se presenta a la red en la iteracion
t. Este valor sera una de las muestras de entrada {xi }i=1,...,M y es elegida de
entre todas ellas mediante alg
un orden o alg
un procedimiento aleatorio.
Podemos dar ahora una formula explcita para el movimiento de las neuronas hacia la entrada cuando esta es presentada a la red:
ni (t + 1) = ni (t) + (t, x(t), i)(x(t) ni (t)).
(1.2)
Notese que x(t) ni (t) es un vector que apunta desde la posicion de la

neurona i hacia la entrada x(t). Por tanto, los nuevos pesos de la neurona
i, ni (t + 1), se obtienen sumando a la posicion actual, ni (t), un m
ultiplo
de este vector. La magnitud de este m
ultiplo viene dada por la cantidad
11

= (t, x(t), i) que depende de la iteracion en la que nos encontramos t, de
la entrada x(t) y de la neurona i en cuestion. Esta cantidad debe ser un
n
umero entre 0 y 1, 0 1, y por tanto la nueva posicion de la neurona
i-esima se encuentra recorriendo por ciento del segmento que va desde la
posicion actual de la neurona hasta la entrada.
Figura 1.6: Recorrido a lo largo del segmento neurona-entrada.

La funcion debe satisfacer las dos siguientes condiciones:
ser funcion decreciente de la distancia entre la neurona i y la neurona
ganadora BM U en la malla unidimensional o bidimensional del mapa
auto-organizado, y
ser funcion decreciente del tiempo t.
Esto quiere decir que cuanto mas alejada en la malla este una neurona de la
BMU menos aprendera y que conforme avanza el n
umero de iteraciones las
neuronas iran aprendiendo menos.
Por lo general la funcion se escribe como el producto de dos funciones
= (t, x(t), i)(t), donde se conoce como la funcion de entorno o vecindad
y es la funcion de aprendizaje.
Un ejemplo habitual de funcion de entorno es la (pseudo) distribucion
normal
2
(t, x(t), i) = e
dmalla (i,BM U )
2(t)2
(1.3)
donde dmalla (i, BM U ) es la distancia en la malla entre la neurona i y la

neurona ganadora BM U . Esta distancia se define como la distancia eucldea
entre las neuronas en el espacio eucldeo en el que la malla se halla inmersa.
Ademas, asumimos que la distancia entre dos neuronas adyacentes de la malla
12

es 1. Esto es una normalizacion que sera u
til despues. El papel de la varianza
(t) es determinar como de lejos llega la influencia de la BMU en la malla.
Recordemos que aproximadamente el 68 % de la distribucion se lo llevaran
las neuronas que esten a una distancia menor o igual que la varianza (t).
La varianza (t) debe decrecer con el tiempo. De esta forma, el entorno
de neuronas de la malla alrededor de la BMU que aprenden va decreciendo
con el tiempo:
Figura 1.7: Los entornos alrededor de la BMU encogen con el tiempo.
El decrecimiento de la varianza se modela como sigue:

t
(t) = 0 e ,
donde es una constante relacionada con el n
umero maximo de iteraciones
y tama
no del entorno inicial:
=
N umM axIteraciones
.
log(0 )
Se deduce que cuando t iguala el n

umero maximo de iteraciones (t) toma el
valor 1. Por tanto, la influencia del aprendizaje de la BMU se reduce a ella
misma (ya que las neuronas adyacentes estan a una distancia de 1). Por otro
lado, el entorno inicial 0 se inicializa con la mitad de la distancia maxima
entre cualesquiera dos neuronas de la malla, es decir, con el radio de la
malla.
13

La funcion de aprendizaje tiene una expresion similar:
t
(t) = 0 e ,
donde el coeficiente de aprendizaje inicial 0 es un n
umero entre 0 y 1. Esto
quiere decir que las neuronas sufriran un proceso de aprendizaje rapido y
olvido lento.
Los vectores de pesos de las neuronas se inicializan con alg
un procedimiento aleatorio, como tomar valores aleatorios dentro de un rango significativo
o tomar directamente el valor de muestras elegidas aleatoriamente.
El n
umero maximo de iteraciones que llevara a cabo el algoritmo de aprendizaje lo hemos denotado N umM axIteraciones. Este n
umero puede ser, por
ejemplo, el n
umero de muestras, con lo que se realiza una iteracion para cada
muestra. Tambien puede existir alg
un criterio de convergencia que determine
la parada del algoritmo antes de llegar a N umM axIteraciones iteraciones.
Por ejemplo, se puede estudiar si el cambio de posicion en las neuronas es
suficientemente peque
no como para parar el proceso de aprendizaje.
Esto describe en reglas generales el aprendizaje en un mapa auto-organizado. En las aplicaciones practicas puede haber variaciones en las exponenciales usadas, la inicializacion de las neuronas, el criterio de convergencia,
etc.
Ejemplo 1.2.1. Como ejemplo pr
actico de los coeficientes de aprendizaje
supongamos que tenemos una malla unidimensional de 10 neuronas, que tomamos 100 muestras y que realizamos una iteraci
on por muestra. Seg
un las
f
ormulas vistas anteriormente tendremos los siguientes valores para el entorno inicial y para la constante :
0 = 5 , = 100/ log(5) 62,133.
Tomemos ademas el coeficiente de aprendizaje inicial 0 = 0,9. En la
siguiente grafica hemos representado en rojo el coeficiente = para la
BMU y en azul el mismo coeficiente para una neurona que se encuentra a la
distancia maxima de la BMU, es decir, para los casos dmalla (i, BM U ) = 0 y
14

dmalla (i, BM U ) = 9 respectivamente.
0.9
neurona BMU
neurona a
distancia mxima
0.8
0.7
coeficiente
0.6
0.5
0.4
0.3
0.2
0.1
0
20
40
60
Nmero de iteracin
80
100
Figura 1.8: Coeficientes para la BMU y para una neurona a distancia maxima.
1.3.
Algunas variantes de mapas auto-organizados.
En esta seccion comentamos algunos artculos que presentan variantes de

los mapas auto-organizados tal y como fueron introducidos en las secciones
1.1 y 1.2. En el apendice A se puede encontrar una introduccion a los conceptos matematicos que usamos. A lo largo de la seccion se iran destacando
variantes a las que puede someterse un mapa auto-organizado.
Una de las fuentes mas ricas de alteraciones de los mapas auto-organizados
clasicos es el uso de distintas topologas y distancias entre las neuronas.
Aqu entendemos por esta topologa la manera en que las neuronas estan conectadas entre s. Por ejemplo, hemos visto anteriormente que las topologas
clasicas consisten en un grafo lineal con cada neurona (salvo los 2 extremos)
conectada a 2 vecinos o un grafo plano en que cada neurona (excepto los
15

4 bordes) se conecta a 4 vecinos (distribucion ortogonal) o 6 vecinos (distribucion hexagonal). Recordemos (Seccion 1.2) que para estos casos hemos
definido la distancia entre neuronas como la distancia eucldea entre ellas en
el espacio en el que la malla se halla inmersa.
Una primera idea es sustituir el segmento por un crculo y la malla cuadrada por un toro. As se consigue que todas las neuronas tengan 2 vecinos
en el caso unidimensional o 4 o 6 vecinos en el caso bidimensional.
Figura 1.9: Malla unidimensional con topologa circular.

Los trabajos [13] y [15] van mas alla y consideran una matriz cuadrada
que almacena la distancia entre cada par de neuronas de la malla. Estas
distancias no provienen de la inmersion de la malla en un espacio (eucldeo
por ejemplo) como anteriormente, por lo que no corresponden a las distancias
entre las neuronas en alg
un espacio si no a una medida abstracta.
De estas ideas podemos abstraer el concepto de que la topologa y distancias entre neuronas podran estar en general determinadas por un espacio al
que las neuronas pertenecen. Este espacio sera el sustituto para el espacio
eucldeo o el crculo o el toro vistos arriba. Como requerimos una distancia
entre puntos de este espacio, debemos considerar espacios metricos, es decir,
espacios dotados de una metrica o distancia. De lo comentado sobre [15] nos
quedamos con la idea de que las distancias entre neuronas podran variar, o
equivalentemente, las neuronas podran moverse en este espacio metrico. En
resumen:
Variante 1.3.1. Sustituir la topologa y distancia entre neuronas por la topologa y distancias en una espacio metrico al que pertenecen y en el que se
16

mueven las neuronas.
Otro grupo de autores han apostado por conservar la topologa y distancias clasicas y variar en cambio el tipo de distancia entre la entrada y las
neuronas en el espacio de entrada. Recordemos que una fase fundamental del
aprendizaje es determinar la BMU calculando el mnimo de estas distancias.
As que estamos ante variaciones crticas de un mapa auto-organizado. En lo
que llevamos visto el espacio de entrada es un espacio eucldeo y la distancia
de la entrada a las neuronas es simplemente la distancia eucldea entre la
entrada y el vector de pesos de las neuronas.
El nuevo enfoque consiste en conservar el espacio eucldeo como espacio
de entrada pero dotarlo de otra metrica. Esta nueva metrica se usa para
calcular las distancias entrada-neuronas. Esto se hace en dos fases:
(a) se da un modelo continuo de densidad que ajuste los datos de entrada,
y
(b) se usa esta densidad para definir una metrica Riemanniana en el espacio
eucldeo de entrada.
Estas metricas se conocen como metricas de aprendizaje (learning metrics) y se utilizan en los artculos [20], [18] y [11]. Estas nuevas metricas se
ajustan a los datos y permiten descubrir propiedades intrnsecas de los datos, lo cual es basico en un paradigma no supervisado como el de los mapas
auto-organizados.
Ejemplo 1.3.1. Como ejemplo veamos como estas metricas pueden permitir aislar agregaciones de datos en problemas de clustering [20]. La siguiente
figura muestra una configuraci
on de datos con forma de dos medias lunas engarzadas, as como un modelo de densidad continuo que se ajusta a los datos.
Los entornos rojos y azules corresponden a entornos en metrica eucldea y en
metrica de aprendizaje de un mismo punto respectivamente. Claramente la
metrica de aprendizaje es capaz de separar mucho mejor las dos componentes
de los datos que la metrica eucldea.
17

Figura 1.10: Metrica de aprendizaje versus metrica eucldea.

En este caso la matriz de la metrica Riemanniana en el punto x Rn
viene dada por [20, Ecuaci
on (2)]
G(x) = log p(x)(log p(x))t ,
donde p es el modelo de densidad continua y es gradiente. Esto quiere
decir que la metrica es sensible a los cambios (en el logaritmo) de la densidad. Zonas con pocos cambios corresponden a distancias cortas y zonas con
muchos cambios a distancias largas. En el trabajo original el autor aplica el
algoritmo de clustering medias-k (o k-means en ingles) para mostrar como
la metrica Riemanniana supera con creces a la eucldea al agrupar los datos
de entrada de una configuraci
on similar a la mostrada aqu [20, Figure 2].
De esto podemos concluir otro tipo de variante para los mapas autoorganizados
Variante 1.3.2. Sustituir la metrica eucldea en el espacio de entrada por
una metrica Riemanniana construida a partir de una una densidad continua
que se ajusta a los datos de entrada.
Entre los metodos para construir la densidad continua a partir de la
nube de datos de entrada (a) cabe destacar [14]. La densidad construida
aqu consiste en un conjunto de distribuciones normales cuyos parametros
se estiman a partir de los datos de entrada y cuyo n
umero de direcciones
principales se ajustan tambien a los datos. Este metodo sera descrito con
mayor detalle en la Seccion 3.1.
18

Profundizando un poco mas en el punto (b) destaca el problema de como
calcular la distancia entre dos puntos alejados dada, como en el ejemplo
1.3.1, la matriz de la metrica en cada punto. Esto es, queremos calcular la
geodesica o camino mas corto entre dos puntos p y q del espacio eucldeo
dotado de una metrica Riemanniana. En vez de minimizar la longitud en la
metrica Riemanniana (integral de camino) sobre todos los caminos entre p y
q aqu seguimos un enfoque practico e intentamos aproximar esta geodesica
por un camino lineal a trozos.
El metodo mas sencillo es definir la distancia geodesica como la longitud
en la metrica Riemanniana del segmento rectilneo entre p y q. La integral de
camino resultante se puede aproximar con un trapezoide. Otro metodo mas
razonable, usado en [18] y [20], consiste en elegir el camino que minimiza la
distancia entre p y q en un grafo con vertices en el espacio eucldeo de entrada
que incluye a p y q, y cuyas aristas tienen pesos dados por las longitudes en la
metrica Riemanniana de los segmentos rectilneos entre los vertices (metodo
explicado antes). La eleccion del camino optimo en el grafo se puede realizar
con un algoritmo como el de Floyd. La discusion de que vertices y aristas se
usan para construir el grafo la posponemos.
Figura 1.11: Geodesicas y distancias geodesicas usando un segmento y un

grafo.
Al camino construido seg
un este metodo lo llamaremos geodesica entre
p y q y a la suma de los pesos de las aristas que incluye dicho camino la
llamaremos distancia geodesica entre p y q.
19

Variante 1.3.3. Sustituir la distancia eucldea entre la entrada y las neuronas por la distancia geodesica correspondiente.
Es interesante que aunque los trabajos citados usen distancia geodesica
para calcular la BMU no usan en ning
un caso la geodesica para desplazar
las neuronas hacia la entrada. En realidad se usa el camino que minimiza la
distancia geodesica solo localmente y, como se deduce en [11, III.A y III.B],
esto nos trae de vuelta al segmento rectilneo entre la neurona y la entrada.
Esto nos permite introducir la siguiente novedad:
Variante 1.3.4. Sustituir el desplazamiento a lo largo del segmento entre la
neurona y la entrada por el desplazamiento a lo largo de la geodesica correspondiente.
1.4.
Otras variantes de mapas auto-organizados.
En esta seccion discutimos otras variantes de mapas auto-organizados

que no estan tan directamente relacionados con la topologa, distancia entre
neuronas o distancia entre entrada y neuronas como las de seccion anterior.
Aqu tambien recopilamos las variantes destacadas.
Empezamos discutiendo modificaciones que se centran en la dinamica de
la poblacion de neuronas. Recordemos que en los casos clasicos las neuronas
y las conexiones entre ellas son estaticas. Sin embargo, en el trabajo [1] se
presenta el mapa auto-organizado LARFSOM (local adaptive receptive field
SOM), en el cual las neuronas y las conexiones entre ellas pueden crearse y
destruirse seg
un las necesidades de la red. La creacion de neuronas tiene lugar
cuando la BMU no esta suficientemente cerca de la entrada. Una neurona es
destruida cuando queda desconectada del resto de la red.
En el trabajo [6] se presentan The Growing Hierarchical Self-Organizing
Map, el mapa auto-organizado jerarquico que crece. En este caso hay construccion de neuronas y aristas cuando la informacion que guarda una porcion
de la red necesita ser subclasificada con mas detalle. No hay destruccion de
neuronas o aristas.
20

Variante 1.4.1. Permitir la creaci
on y destruccion de neuronas y aristas en
la malla para adaptarse mejor a los datos de entrada.
Por otro lado, en los trabajos [5] y [21] se modifican las estrategias mismas de competitividad entre las neuronas con los mapas auto-organizados
FS-SOM (frequency sensitive SOM) y SA-SOM (sample-size adaptive SOM)
respectivamente. En ambos casos las neuronas que ganan repetidamente son
penalizadas de forma que tienen menos posibilidades de ganar en las proximas
iteraciones. De esta forma se favorece a todas las neuronas mas homogeneamente. En [21] ademas el entorno de una neurona se reduce progresivamente
cuando esta neurona es la BMU repetidamente.
Variante 1.4.2. Modificar la estrategia de competitividad para dar iguales
oportunidades a todas las neuronas.
Siendo la visualizacion en dos dimensiones de datos en muchas dimensiones una de las caractersticas mas destacadas de los mapas auto-organizados
no es de extra
nar que se hayan planteado otras opciones con este objetivo en
mente. En [12] se explica un metodo para crear una representacion en un toro
dos dimensional de datos en muchas dimensiones, preservando las distancias
tanto como sea posible. El metodo se conoce como relational perspective
map, mapa en perspectiva relacional. La idea es resolver las ecuaciones diferenciales que resultan de una dinamica de partculas sobre el toro en la que
se considera una partcula por cada dato de entrada y en el que las fuerzas
son proporcionales a las distancias originales en el espacio de entrada (e inversamente proporcionales a las distancias sobre el toro). Esta idea de que
las neuronas se mueven al aprender refuerza la Variante 1.3.1.
Por otro lado, en [3] se presenta la GTM: The Generative Topographic
Mapping, la aplicacion topografica generativa. En este caso la visualizacion
dos dimensional se consigue en dos fases. Primero, se construye una funcion
que va de una malla bidimensional de neuronas al espacio de entrada. Esta
funcion se define a traves de funciones no lineales y el proceso de aprendizaje consiste en ajustar los parametros de estas funciones hasta conseguir una
adaptacion optima a la nube de datos de entrada. Notese que la funcion BMU
en un mapa auto-organizado clasico es del tipo BM U : X malla de la red
21

(ver Seccion 1.1) y que aqu estamos considerando una funcion en sentido
contrario malla de la red X (donde X es el espacio de entrada). La segunda fase de este metodo consiste en construir una aplicacion en el sentido
correcto usando el teorema de Bayes.
Los dos u
ltimos trabajos comentados no son variantes de un mapa autoorganizado sino conceptos esencialmente distintos aunque relacionados. Lo
mismo ocurre con el trabajo [17], que esta relacionado con problemas de
clustering. Aqu se expone el concepto de afinidad como concepto alternativo al de clustering: en vez de decidir que datos pertenecen al mismo cluster
se construye un n
umero, la afinidad, entre cada par de datos de entrada.
Esta afinidad se construye a partir de un feature space o espacio de caractersticas como un histograma, y es proporcional a la longitud del camino en
este espacio que minimiza la distancia eucldea y evita las regiones de baja
densidad. Nos quedamos con la siguiente idea:
Variante 1.4.3. La metrica Riemanniana de que se dota al espacio de entrada a partir de una densidad continua podra ser tal que las geodesicas eviten
las zonas de baja densidad.
Notese que la metrica Riemanniana presentada en el Ejemplo 1.3.1 tiende
a evitar las zonas con mucho cambio en la densidad, lo cual es diferente de
lo expuesto en la variante anterior.
Por u
ltimo, mencionar los trabajos [22] y [7]. En el primero se presenta
un tipo especial de mapa auto-organizado con dos tipos de neuronas como
solucion a un problema de cuantificacion vectorial (VQ por sus siglas en
ingles, vector quantization). Se aplica a compresion de imagenes.
En el trabajo [7] un mapa auto-organizado es usado como paso previo
a un proceso de clustering mediante templado simulado (SA por sus siglas
en ingles, simulated annealing). El templado es un proceso fsico en el que
alg
un material es sometido a altas temperaturas para despues dejarlo enfriar
lentamente. Destaquemos aqu tambien que este artculo trata sobre segmentacion de imagenes en color y que trabaja en el espacio de color CIELU V ,
un espacio de color donde la diferencia en percepcion es proporcional a la
diferencia entre los colores (en el espacio de color RGB este no es el caso).
22
Captulo 2
Nuevo enfoque te
orico.
Este captulo se puede considerar como un ejercicio de abstraccion del
concepto de mapa auto-organizado. Basandonos en las Secciones 1.3 y 1.4
daremos una definicion de mapa auto-organizado generalizado. Esta

no servira directamente como herramienta practica sino mas bien como marco desde que el iniciar o generar aplicaciones concretas. Esto es, por ejemplo, lo que
haremos en el Captulo 3, donde elegiremos de este concepto de mapa autoorganizado generalizado los elementos que nos interesen para desarrollar en
el Captulo 4 una aplicacion a la segmentacion de imagenes en color. En la
Seccion 2.1 veremos que variantes de mapas auto-organizados de la Secciones
1.3 y 1.4 encajan dentro de este nuevo concepto.
Quizas la propiedad mas interesante del concepto que presentamos es que
es simetrico: los datos de entrada en el espacio de entrada por un lado y las
neuronas por otro lado juegan ahora papeles intercambiables. Esta simetra
puede, en potencia, dar lugar a nuevos desarrollos.
Comencemos con la variantes 1.3.1 y 1.3.3, las cuales reproducimos aqu para la conveniencia del lector:
Variante. Sustituir la topologa y distancia entre neuronas por la topologa
y distancias en una espacio metrico al que pertenecen y en el que se mueven
las neuronas.
Variante. Sustituir la distancia eucldea entre la entrada y las neuronas por
la distancia geodesica correspondiente.
23

CAPITULO 2. NUEVO ENFOQUE TEORICO.
Por la primera variante impondremos que las neuronas vivan en un espacio
metrico por el que se pueden desplazar. De la tercera variante queremos que
el espacio de entrada sea tambien un espacio metrico (metrica es la distancia
geodesica).
As que tenemos dos espacios, uno en el que viven las neuronas y otro, el
espacio de entrada, en el que tenemos los datos de entrada. Queremos que
estos dos espacios tengan una nocion de distancia, es decir, que sean espacios
metricos. As que denotemos por N y por X a sendos espacios metricos. El
primero de ellos contendra a las neuronas y el segundo de ellos a los datos
de entrada. Por tanto, cada neurona tiene un posicion dinamica en N y
cada dato de entrada tiene una posicion dinamica en X . En un mapa autoorganizado clasico estas posiciones son estaticas, es decir, que no varan con
el tiempo.
En el caso clasico, el vector de pesos de cada neurona es una posicion en el
espacio de entrada X . As, que cada neurona tiene en realidad asociadas dos
posiciones, una en N y otra en X . Por otro lado, la funcion best matching
unit, BMU, introducida en la Seccion 1.1, asocia a cada dato de entrada
una posicion en N . Notese que el codiminio de la funcion BM U definida en
esa seccion es la malla de la red o el conjunto de las neuronas, no el espacio
donde viven las neuronas como aqu. En cualquier caso, cada dato de entrada
tambien tiene asociadas dos posiciones, una en X y otra en N .
Definici
on 2.0.1. Un mapa auto-organizado generalizado consta de dos espacios metricos X y N en cada uno de los cuales se dan dos poblaciones
iniciales de M puntos y de N puntos.
En cada iteraci
on t = 0, 1, 2, 3, . . . un algoritmo de aprendizaje genera las
nuevas posiciones de los 2(M +N ) puntos a partir de las posiciones actuales.
La funcion de coste para evaluar el aprendizaje depende de las posiciones de
los puntos.
En el caso clasico, las M posiciones en X son los datos de entrada y son
estaticas. Las M posiciones en N son la evaluacion de la funcion BM U sobre
los datos de entrada y son dinamicas. Las N posiciones en N corresponden a
las posiciones de las neuronas en la malla y son estaticas. Las N posiciones en
24

X corresponden a los vectores de peso de las neuronas y son dinamicas. En
un mapa auto-organizado generalizado todas las posiciones son dinamicas.
Figura 2.1: Un mapa auto-organizado generalizado.

No se ha especificado ninguna propiedad del algoritmo de aprendizaje
as que este es totalmente generico. Esto da lugar a que la definicion sea
quizas un poco vaga, pero hemos preferido centrarnos en los dos espacios y
su simetra.
Recordemos ahora las variantes 1.3.2 y 1.3.4:
Variante. Sustituir la metrica eucldea en el espacio de entrada por una
metrica Riemanniana construida a partir de una una densidad continua que
se ajusta a los datos de entrada.
Variante. Sustituir el desplazamiento a lo largo del segmento entre la neurona y la entrada por el desplazamiento a lo largo de la la geodesica correspondiente.
En nuestra definicion de mapa auto-organizado generalizado no hemos
exigido que las distancias de X y N vengan inducidas por una metrica Riemanniana. Esto dara lugar a:
Definici
on 2.0.2. Una mapa auto-organizado Riemanniano es un mapa
auto-organizado generalizado en el que las metricas de X y/o N vienen inducidas por una metrica Riemanniana.
La segunda variante expuesta arriba impone que las neuronas se desplacen
por geodesicas:
25

Definici
on 2.0.3. Una mapa auto-organizado geodesico es un mapa autoorganizado generalizado en el que los espacios X y/o N son espacios geodesicos, es decir, espacios dotados de una geodesica entre cada par de puntos, y
el algoritmo de aprendizaje actualiza las nuevas posiciones mediante desplazamientos a lo largo de geodesicas.
2.1.
Recuperando las variantes.
Recordemos que todas las variantes de la seccion 1.3 se centraban en modificar la topologa, distancia entre neuronas o distancia entrada-neuronas
de la red. Todas ellas salvo [13] y [15] encajan como mapas auto-organizados
generalizados, y algunas de ellas dan lugar a mapas auto-organizados Riemannianos. Notese que, como tambien comentamos al final de esa seccion,
ninguna de ellas da lugar a un mapa auto-organizado geodesico.
Revisemos ahora las variantes de la Seccion 1.4 algunas de las cuales,
como ya dijimos, estan solo relacionadas con mapas auto-organizados.
La Variante 1.4.1
Variante. Permitir la creaci
on y destruccion de neuronas y aristas en la
malla para adaptarse mejor a los datos de entrada,
no se contempla en el mapa auto-organizado generalizado, ya que las poblaciones de neuronas y datos de entrada son estaticas (no as sus posiciones).
As que los trabajos [1] y [6] no se pueden enmarcar dentro del nuevo contexto teorico. Por otro lado, los trabajos [5] y [21] dieron lugar a la Variante
1.4.2
Variante. Modificar la estrategia de competitividad para dar iguales oportunidades a todas las neuronas.
Como no se han impuesto restricciones en el algoritmo de aprendizaje de
un mapa auto-organizado generalizado esta variante s es abarcada.
Pasamos ahora a los dos trabajos mas interesante desde el punto de vista
de comparacion con un mapa auto-organizado generalizado. Empecemos por
26

el mapa en perspectiva relacional [12], con el cual se consigue representar datos de dimension arbitraria en un toro bidimensional. Este trabajo se puede
ver como un mapa auto-organizado generalizado en el cual X es el espacio
eucldeo y N es el toro bidimensional. Ademas, M = N y podemos identificar las dos poblaciones en X como una sola y las dos poblaciones en N
como una sola. Las M posiciones en X corresponden a los datos de entrada
y son estaticas. Las M posiciones en N son dinamicas y corresponden a las
iteraciones del algoritmo para resolver las ecuaciones diferenciales involucradas (hay una partcula por cada dato de entrada). La funcion de coste que
se quiere minimizar [12, Ecuacion (1)] es funcion de las M posiciones en N .
La aplicacion topografica generativa [3] tambien se enmarca dentro del
presente contexto teorico. En este caso tanto X como N corresponden a
espacios eucldeos de las dimensiones adecuadas. La poblacion de N puntos en
X corresponde a la funcion y(x;W) definida en [3, Ecuacion (7)] y evaluada
en las N posiciones de la malla en N . El algoritmo de aprendizaje seran las
iteraciones del algoritmo EM [3, Seccion 2.1]. La funcion de coste a maximizar
se describe en [3, Ecuaciones (1) y (6)], y depende de las N posiciones en X .
Las M posiciones en N solo se construyen despues del aprendizaje usando el
teorema de Bayes [3, Seccion 2.1]. Nuestro parametros M y N corresponden
a N y K respectivamente en [3].
El trabajo [17], en el cual se asocia una n
umero llamado afinidad a cada
par de puntos del espacio de entrada, no se enmarca dentro de los mapas autoorganizados generalizados, ya que no existe un proceso de aprendizaje. Los
mapas auto-organizados descritos en [22] y [7] encajan sin mas novedad como
mapas auto-organizados generalizados debido, otra vez, a que no imponemos
condiciones a nuestro algoritmo de aprendizaje.
27
Captulo 3
Un mapa auto-organizado
generalizado.
En este captulo describimos un mapa auto-organizado generalizado particular. Conforme a las definiciones del Captulo 2 estaramos considerando una mapa auto-organizado Riemanniano y geodesico, pero como escribimos aqu todos los detalles no es necesario entender la notacion dada all,
as que emplearemos solo la notacion clasica para mapas auto-organizados del
Captulo 1. En el Captulo 4 se implementara una version de este algoritmo
aplicada a la segmentacion de imagenes en color.
La malla de nuestro mapa auto-organizado es una malla unidimensional
con N neuronas. El espacio de entrada es un espacio eucldeo. A este espacio
lo dotaremos de una metrica Riemanniana obtenida a partir de una densidad
continua que modela la nube de datos de entrada. A partir de esta metrica
Riemanniana dotaremos a este espacio eucldeo de entrada de una nocion de
geodesica y de una nocion de distancia geodesica, obteniendo una metrica
distinta a la de la eucldea (ver Apendice A).
Supongamos que el espacio de entrada es el espacio eucldeo Rm y que la
matriz de la metrica Riemanniana en x Rm es G(x). Dados p y q puntos del
espacio eucldeo de entrada, la distancia geodesica entre ellos vendra dada
28
CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

entonces por:
Z
dgeodesica (p, q) = Infimo
p
(t)G((t)) (s)tr dt,
(3.1)
donde : [0, 1] Rm es una curva continua y diferenciable a trozos que

empieza en p y termina en q, el nfimo se toma sobre todas tales curvas y tr
significa traspuesta.
Las neuronas competiran por ser la neurona ganadora o BMU usando
para ello su distancia geodesica a la entrada. Las ecuaciones de aprendizaje
son similares a las clasicas de Kohonen (Seccion 1.2), pero los vectores de
pesos de las neuronas se moveran hacia la entrada siguiendo las geodesicas
del espacio. Es esto u
ltimo lo que distingue a este mapa auto-organizado de
los desarrollados hasta ahora (ver la Variante 1.3.4 en la Seccion 1.4).
Un elemento clave para entender la metrica Riemanniana que usamos es
que, siguiendo la Variante 1.4.3, la geodesica entre dos puntos del espacio de
entrada intentara evitar las zonas de baja densidad. Esto lo conseguiremos
definiendo la matriz de la metrica Riemanniana en el punto x Rn del
espacio de entrada Rm como
G(x) =
In ,
d2 (x)
donde d(x) es la densidad en el punto x e In es la matriz identidad n n.

As que el espacio que obtenemos es isotropo, es decir que la longitud de un
vector no depende de su direccion. Mas precisamente, la longitud del vector
v en el espacio tangente de x viene dada por
1
||v||,
d(x)
donde ||v|| es la norma eucldea de v.
En las siguientes secciones se explican en detalle cada uno de los elementos
constituyentes del mapa auto-organizado.
29
3.1.
Construcci
on de la densidad continua.
Dado un conjunto de muestras o datos de entrada {xi }i=1,...,N umM uestras

en el espacio eucldeo de entrada Rm , se dara una densidad continua que se
ajusta lo mas posible a estos datos. No hay que confundir estos datos con los
M datos de entrada que se presentaran a la red durante el aprendizaje. Para
construir esta densidad hemos usado el algoritmo descrito en el artculo [14]
de los autores Ezequiel Lopez Rubio y Juan Miguel Ortiz de Lazcano Lobato.
En esta seccion explicamos a grandes rasgos como funciona dicho algoritmo,
para una descripcion detallada se remite al lector al citado trabajo.
Dicho algoritmo es un metodo de estimacion de la funcion de densidad de
probabilidad de una distribucion desconocida continua a partir de una cantidad finita de muestras de dicha distribucion. La presente solucion genera
como estimacion una suma de distribuciones normales o Gaussianas multidimensionales. Las medias y demas parametros de las distribuciones se estiman
a partir de las muestras en dos fases:
Primero, para cada una de las N umM uestras muestras se crea un
entorno que incluye a las muestras vecinas (mas cercanas en distancia eucldea). Se calcula la media y matriz de correlaciones de estos
entornos.
Segundo, un proceso de suavizado. Se crean N umClusters clusters,
cada uno de los cuales tienen contribuciones o pesos de cada uno de los
entornos. Cada cluster recibira contribuciones de los entornos circundantes de manera inversamente proporcional a la distancia a estos, con
lo que la informacion de todos ellos queda fusionada y suavizada a la
vez.
Cada cluster creado tendra una media y una matriz de correlaciones asociada obtenida a partir de las medias y matrices de los entornos involucrados
con los pesos adecuados. A partir de estos datos se construye entonces una
distribucion Gaussiana para cada cluster. En dicha construccion es de destacar que:
30

La dimensionalidad o n
umero de direcciones principales de dicha distribucion Gaussiana se ajusta a la informacion del cluster, reflejando
la dimension de la variedad subyacente a los datos. Esto se consigue
reteniendo solo parte de los autovalores y autovectores de la matriz de
covarianza del cluster. La cantidad de autovalores a preservar se controla mediante un parametro [0, 1] que especifica que proporcion
de la traza de dicha matriz deben sumar los autovalores retenidos.
Para las direcciones no conservadas se hace una estimacion de la varianza en estas direcciones especificando un nivel de ruido. Este nivel
se controla con un parametro [0, 1]. En general cuanto mayor sea
menor debera ser y viceversa. Si es proximo a 1 conservaremos
casi todas las direcciones principales y en el resto habra que a
nadir
poco ruido. Si es proximo a 0 conservaremos muy pocas direcciones
y habra que a
nadir mas ruido en el resto de direcciones.
El presente procedimiento tiene las siguientes ventajas respecto a otros
metodos de estimacion de funcion de densidad de probabilidad anteriores:
Cada distribucion normal tiene sus propios parametros.
Existe un proceso de suavizado al pasar de los entornos a los clusters.
Para una comparativa detallada de este metodo con otros metodos de
estimacion de la funcion de densidad de probabilidad ver [14, Seccion 5]. A
la densidad calculada por este metodo la denotaremos por d(x) : Rm R,
donde Rm es el espacio eucldeo de entrada.
Ejemplo 3.1.1. En la siguiente figura mostramos una densidad continua
que queremos aproximar usando el metodo de estimaci
on de la densidad explicado. Esta es la distribucion desconocida.
31
En la siguiente figura mostramos 100 muestras tomadas aleatoriamente de

la densidad anterior (crculos azules), junto con los clusters (cruces verdes)
y la funcion de densidad computados por el algoritmo. Los par
ametros son
= 0,1 y = 0,07.
0.9
muestra
cluster
100
10
0.8
90
20
80
0.7
30
0.6
70
40
0.5
60
50
0.4
50
60
40
70
30
80
20
90
10
0.3
0.2
0.1
0.1
3.2.
100
0.2
0.3
0.4
0.5
0.6
0.7
0.8
10
20
30
40
50
60
70
80
90
100
Construcci
on del grafo de distancias.
Con el objetivo de dotar al espacio eucldeo de entrada Rm de geodesicas

necesitaremos introducir un grafo con pesos sobre el cual se computara el
camino mas corto o geodesica usando el algoritmo de Floyd (ver Seccion 1.3
y Figura 1.11).
Como vertices de este grafo tomaremos los clusters calculados por el algoritmo descrito en la Seccion 3.1. El peso de la arista entre los clusters en
posiciones p y q sera la longitud en la metrica Riemanniana del segmento
rectilneo entre p y q.
Recordemos que la metrica Riemanniana que estamos considerando es
exactamente G(x) = d21(x) In , para x Rm , y donde d(x) es la densidad
32

continua calculada en la Seccion 3.1. Sean p y q las posiciones de dos clusters
y : [0, 1] R la parametrizacion del segmento rectilneo de p a q:
(t) = p + t(q p).
La longitud de este segmento en nuestra metrica viene dada por
Z
(t)G((t)) (t)tr dt.
(3.2)
Como (t) = q p al sustituir tenemos

Z
d2 (p
1
(q p)In (q p)tr dt,
+ t(q p))
y reordenando y reparametrizando obtenemos

||q p||
dt
=
d(p + t(q p))
||qp||
dt
qp ,
d(p + t ||qp||
)
donde ||q p|| es la norma eucldea de q p. Esta integral la aproximamos

con el siguiente trapezoide
||q p||
N umSubdivisiones
N umSubdivisiones
X
i=1
1
d(p +
i
(q
N umSubdivisiones
p))
(3.3)
donde N umSubdivisiones es el n
umero de segmentos en que dividimos el
segmento q p, y que controla la precision de la integracion.
Una vez que sabemos como calcular el peso de una arista y que sabemos que el conjunto de vertices del grafo esta formado exactamente por los
clusters calculados en la Seccion 3.1 hay que decidir que aristas incluir y
que aristas no. Con este fin, para cada cluster c, se incluyen las aristas de c
a los clusters mas cercanos. Este n
umero de clusters que se conectan al cluster c es un n
umero fijo que denotamos N umV ecinosGraf o. La nocion de
cercana aqu no es distancia eucldea. En su lugar, ya que el cluster c tiene
una distribucion Gaussiana asociada, se eval
ua esta distribucion en el resto
33

de los clusters y se seleccionan los N umV ecinosGraf o clusters que obtengan
mayor valor. Este concepto de cercana intenta aproximar a escala local la
distancia geodesica que se quiere obtener a escala global, esto es, distancia
inversamente proporcional a la densidad.
Estas nociones quedan ilustradas en la siguiente figura, en la cual se muestra un cluster (en rojo) con su distribucion normal asociada y los dos clusters
mas cercanos (N umV ecinosGraf o = 2, en verde) seg
un esta distribucion
normal, los cuales no coinciden con los dos clusters mas cercanos en distancia eucldea.
El n
umero N umV ecinosGraf o es crtico. Como muestra el siguiente
ejemplo un n
umero bajo puede resultar insuficiente para mantener la conexion de la densidad original y un n
umero muy alto puede dar lugar a
aristas erroneas.
34

Ejemplo 3.2.1. En la siguiente figura mostramos una densidad a aproximar as como la reconstruccion a partir de 100 muestras mediante el metodo
explicado en la Seccion 3.1:
10
70
20
60
30
50
40
40
50
60
30
70
20
80
10
90
100
10
20
30
40
50
60
70
80
90
100
Las siguientes figuras muestran las muestras (crculos azules), los clusters
(cruces verdes) y las aristas del grafo (en negro) para valores de N umV ecinosGraf o
iguales a 1, 5, 10 y 15 (de izquierda a derecha y de arriba abajo):
1
0.9
0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0
0.1
0
0.2
0.4
0.6
0.8
0.9
0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
0.1
0
0.2
0.4
0.6
0.8
35

Se observan aristas erroneas que se salen de la nube de densidad en la
u
ltima figura abajo a la derecha. Para evitar estos problemas en el caso general se ensayaron los siguientes metodos en la eleccion de los N umV ecinosGraf o
vecinos a un cluster dado:
Elegir los 2N umV ecinosGraf o clusters que maximizan sus Gaussianas
en el cluster dado, y despues elegir de estos los N umV ecinosGraf o
clusters que minimizan la integral del inverso de la densidad d(x) a lo
largo del segmento entre cada cluster y el cluster dado c.
clusters que minimizan la integral del inverso de la densidad d(x) a lo
largo del segmento entre cada cluster y el cluster dado c dividido por
la longitud de dicho segmento (valor medio del inverso de la densidad).
clusters que maximizan el mnimo de la densidad d(x) a lo largo del
segmento entre cada cluster y el cluster dado (maxmin, para evitar
atravesar cuellos de botella).
Sin embargo, se comprobo que estos metodos no proporcionan ventaja alguna en todos los casos y que la clave es seleccionar el valor N umV ecinosGraf o
correctamente seg
un la aplicacion. Notese que los calculos se hacen con
2 N umV ecinosGraf o clusters y no todos lo clusters por razones de tiempo
de computo.
3.3.
Construcci
on de las geod
esicas y la distancia geod
esica.
Una vez que hemos construido el grafo de la Seccion 3.2 estamos preparados para la construccion de las geodesicas y las distancias geodesicas. Dados
dos puntos p y q del espacio de entrada Rm empezaremos determinando la
36

geodesica de p a q. La distancia geodesica entre p y q sera la longitud de
dicha geodesica.
Si ambos puntos p y q fueran vertices del grafo entonces la geodesica sera
directamente el camino mas corto en el grafo determinado, por ejemplo, por
el algoritmo de Floyd. En general ni p ni q seran vertices del grafo y un primer
escollo es determinar el vertice de entrada al grafo y el vertice de salida del
grafo. Es decir, la geodesica de p a q consistira de un segmento rectilneo
desde p a un vertice del grafo, de un camino minimizante en el grafo y de un
segmento rectilneo desde un vertice del grafo a q.
Para calcular los vertices de entrada y salida replicaremos lo hecho en
la Seccion 3.2 para calcular los vecinos de un cluster dado del grafo. Es decir, vamos a seleccionar un n
umero determinado de clusters o vertices del
grafo vecinos al punto p y el mismo n
umero de clusters vecinos al punto q.
Este n
umero fijo lo denotaremos por N umV ecinos. Para el punto p elegimos los N umV ecinos clusters que maximizan el valor de sus distribuciones
Gaussianas en p, y analogamente para q (notese que ahora p y q no tienen
distribuciones asociadas).
Una vez tenemos los vertices mas cercanos a p y a q calculamos, para
cada vertice vecino a p, cp , y para cada vertice vecino a q, cq , la longitud
del camino que empieza en p, continua por un segmento rectilneo hasta cp ,
sigue el camino minimizante en el grafo de cp a cq y termina con el segmento
rectilneo de cq a q.
La longitud de los segmentos de p a cp y de cq a q viene dada por la
Ecuacion (3.3). La longitud de cada arista del grafo que se atraviesa se calcula
de la misma forma y de hecho ya se almaceno como el peso de dicha arista.
La longitud total del camino es la suma de todas estas longitudes.
La geodesica de p a q se obtiene eligiendo entre los vecinos de p y los
vecinos de q los vertices cp y cq tales que la distancia del camino p cp
camino minimizante cq q es mnima entre todos estos caminos. Podemos representar estos elementos graficamente como sigue:
37
En la figura se muestra el grafo con los vertices como clusters, as como

las aristas. Cada vertices tiene 4 vecinos, es decir, N umV ecinosGraf o = 4.
Se muestran los vecinos mas cercanos a p y q encerrados en crculos verdes,
as como los segmentos rectilneos de p y q a estos vecinos. Se ha elegido
N umV ecinos = 3. Por u
ltimo, se muestra en trazo grueso la geodesica de p
a q.
Ejemplo 3.3.1. La siguiente figura muestra una densidad a aproximar y su
aproximaci
on mediante 100 muestras:
10
60
20
50
30
40
40
50
30
60
70
20
80
10
90
100
20
40
60
80
100
En la siguiente figura se muestran los clusters que se usaron para reconstruir la densidad (cruces verdes), as como una geodesica (trazo negro) y los
vecinos a los puntos de inicio y fin de la geodesica (puntos negros). Los ve38

cinos seleccionados como entrada y salida al grafo de clusters est
an rodeados
de un crculo negro, y N umV ecinos = 5.
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Una version anterior del algoritmo elega u

nicamente el vertice mas cercano a p y el vertice mas cercano a q (seg
un proximidad Gaussiana) y defina
la geodesica pasando a traves del camino minimizante en el grafo a traves de
estos vertices. El metodo explicado arriba da resultados notablemente mejores. De nuevo, al igual que en la construccion del grafo, al determinar los
vertices de entrada y salida al grafo estamos aproximando a escala local la
distancia geodesica global y mientras que el metodo descrito arriba tiene una
componente global el descrito al principio de este parrafo no la tiene.
Otra version del algoritmo para geodesicas que implemente usaba como
vertices del grafo una retcula ortogonal en vez de los clusters dados por el
algoritmo que reconstruye la densidad de la Seccion 3.2, y conectaba cada
vertice a sus vertices inmediatamente adyacentes. Por ejemplo, en 2 dimensiones los vecinos estaran dispuestos as:
39
Ejemplo 3.3.2. La siguiente figura muestra una densidad a aproximar, su

aproximaci
on mediante 100 muestras y la retcula o vertices del grafo superpuestos (cruces verdes). Adem
as se muestra una geodesica en trazo negro.
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
60
70
80
90
100
Esta version no se ha seguido desarrollando por el alto coste computacional en dimensiones superiores. En m dimensiones y con tama
no de un lado
m
del retculo L tenemos un total de L vertices. El algoritmo de Floyd tiene
una complejidad O(|V |3 ), donde |V | es el n
umero de vertices del grafo. En
nuestro caso esto dara una complejidad O(L3m ), con lo que para L fijo la
complejidad es exponencial en m.
En contraste, el algoritmo de la Seccion 3.2 genera como mucho un n
umero
de clusters N umClusters, y por tanto de vertices, igual al n
umero de muestras de entrada N umM uestras. As que la complejidad es O(|N umM uestras|3 )
donde N umM uestras es el n
umero de muestras. Esto es mucho mas mane3m
jable que O(L ) en las aplicaciones.
40

Ejemplo 3.3.3. En una aplicaci
on de segmentaci
on a im
agenes en color los
datos tienen 3 coordenadas, es decir, m = 3. Suponiendo que tomamos 100
muestras y que usamos un retculo tridimensional de lado 20 tenemos:
O(L3m ) = O(512000000000) y
O(|N umM uestras|3 ) = O(1000000).
La diferencia es patente incluso a esta peque

na escala.
Para terminar esta seccion hacemos una peque

na digresion sobre las componentes conexas del grafo y las geodesicas. Supongamos que tenemos un
grafo de distancias que tiene dos componentes conexas C1 y C2 (en terminos de adyacencia). Si una neurona se encuentra suficientemente cerca de
C1 y suficientemente lejos de C2 los N umV ecinos clusters que se usen para
calcular su geodesica hasta la entrada estaran todos en la componente C1 .
As mismo, si la entrada esta suficientemente cerca de C2 , los N umV ecinos
clusters de la entrada perteneceran a la componente C2 .
Resulta entonces que el algoritmo de Floyd dara distancia infinita para
estas N umV ecinos N umV ecinos combinaciones de clusters, ya que estan
en componentes distintas del grafo de distancias. Una forma de remediarlo es,
en general, comparar las N umV ecinos N umV ecinos distancias geodesicas
que se obtienen con la integral a lo largo del segmento rectilneo entre la
neurona y la entrada del inverso de la densidad (Ecuacion (3.3)). As, en el
caso que tratamos de las dos componentes, aunque la distancia geodesica es
infinita si intentamos progresar por el grafo, si en cambio usamos el segmento rectilneo obtendremos una distancia finita (posiblemente muy grande si
atravesamos zonas de muy baja densidad).
Si no a
nadimos la solucion con el segmento rectilneo permitiremos que
las neuronas sean capturadas por la componente del grafo mas proxima,
lo cual puede ser interesante seg
un la aplicacion que se este desarrollando.
41
3.4.
Funcionamiento del mapa auto-organizado.
El funcionamiento algortmico de este mapa auto-organizado se divide en

las siguientes etapas:
(a) Construccion de la densidad continua a partir de los N umM uestras
datos de entrada en el espacio de entrada Rm (Seccion 3.1).
(b) Construccion del grafo de distancias con N umClusters clusters (Seccion
3.2).
(c) Calculo de la matriz de distancias mnimas entre clusters seg
un el algoritmo de Floyd (Seccion 3.3).
(d) Inicializacion de los parametros de la red 0 , y 0 .
(e) Inicializacion de los vectores de pesos de las N neuronas.
(f) Realizar iteraciones de aprendizaje presentando a la red o bien los clusters
de (b) o bien las muestras de (a) o bien nuevas muestras.
Para inicializar los vectores de pesos de las neuronas (e) se asigna a cada
una de ellas la posicion de un cluster elegido aleatoriamente. Cada iteracion
t en (f) se subdivide en las siguientes subetapas:
(f.1) Calculo de la geodesica y la distancia geodesica entre la entrada x(t) y
el vector de pesos de cada neurona ni (t).
(f.2) Seleccion de la neurona ganadora o BMU como la que minimiza su
distancia geodesica hasta la entrada.
(f.3) Calculo de los coeficientes de aprendizaje (t, x(t), i) seg
un lo explicado
en la Seccion 1.2 o alguna variante de estas ecuaciones. Recordemos que
estamos usando una malla unidimensional.
(f.4) Desplazamiento de cada neurona i a lo largo de la geodesica hasta la
entrada en una cantidad que es el (t, x(t), i) por ciento de su distancia
geodesica hasta la entrada.
42
Captulo 4
Aplicaci
on a la segmentaci
on de
im
agenes.
En este captulo explicamos los detalles de implementacion de un mapa auto-organizado generalizado (Captulo 3) aplicado a la segmentacion de
imagenes en color.
La segmentacion de imagenes en color trata de seleccionar los colores
mas caractersticos de una imagen plana digital en color. En general esto se
realiza como uno de los pasos iniciales de un proceso de analisis de imagen por
ordenador. En esta seccion usaremos neurona y prototipo indistintamente.
De forma condensada, un n
umero de muestras M se toma de la imagen
y se sit
uan en alg
un espacio de color (RGB por ejemplo). Las N neuronas o
prototipos se mueven por esta nube de datos de entrada durante el proceso
de aprendizaje de la red. Finalmente, la imagen original se reconstruye sustituyendo cada color de la imagen por su prototipo mas cercano. Tanto la
percepcion visual de la imagen reconstruida como el error cuadratico medio
dan una idea de la bonanza de los prototipos seleccionados por la red.
Como espacio de entrada no usaremos el espacio de color RGB si no el
espacio de color CIELU V . Este espacio es tambien tridimensional (m = 3)
y tiene ventajas en cuanto a la percepcion de los colores. As que dada las
muestras RGB tomadas de la imagen estos valores se convierten a valores
CIELU V y todo el aprendizaje tiene lugar en este espacio de color CIELU V .
43
A LA SEGMENTACION
DE IMAGENES.
CAPITULO 4. APLICACION
Solo al final, durante la reconstruccion de la imagen original, se vuelve al
espacio RGB. Con mas detalle, el funcionamiento de la red es como sigue:
(A) Se carga una imagen en color en alg
un formato estandar como .bmp,
.gif, etc.
(B) Se toman N umM uestras puntos aleatorios de la imagen y se almacenan
sus valores RGB.
(C) Estos valores se convierten a valores CIELU V dando lugar a los
N umM uestras datos de entrada en el espacio CIELU V que se usan
para construir la densidad continua.
(D) Se aplica el algoritmo del mapa auto-organizado generalizado tal y como
esta descrito en la Seccion 3.4 en el espacio de color CIELU V . Si se
requieren mas muestras para presentar a la red estas se iran generando
aleatoriamente en cada iteracion.
(E) Los N prototipos obtenidos se usan para reconstruir la imagen y calcular
el error cuadratico medio.
44
A LA SEGMENTACION
DE IMAGENES.
Ejemplo 4.0.1. En este ejemplo mostramos la ejecucion sobre una imagen
de tama
no 128 128. Se usan 100 muestras (N umM uestras = 100) y 16
neuronas o prototipos (N = 16). Tambien ponemos N umV ecinosGraf o = 5,
N umV ecinos = 5 y 0 = 1. Los par
ametros del algoritmo de reconstruccion
de la densidad (Seccion (3.1)) son = 0,1 y = 0,07.
20
40
60
80
100
120
20
40
60
80
100
120
Figura 4.1: Imagen original 128 128 y 100 muestras en el espacio CIELU V
decoradas con el color RGB original.
20
60
40
40
20
60
0
80
20
40
60
100
40
100
80
20
120
60
40
20
20
20
40
60
80
100
120
Figura 4.2: A la izquierda, grafo de clusters (clusters en verdes, aristas en negro) y distribucion final de las 16 neuronas (en rojo) en el espacio CIELU V .
A la derecha, reconstruccion de la imagen original usando los prototipos.
Como error cuadratico medio se obtuvo M SE = 0,045208.
En la siguiente seccion comentamos las distintas funciones dise
nadas en
MATLAB y C y que parte del algoritmo implementan. En la Seccion 4.2 se
45
A LA SEGMENTACION
DE IMAGENES.
realiza un estudio sobre la dependencia del aprendizaje de los parametros de
la red. En la Seccion 4.3 se ha probado el nuevo mapa auto-organizado generalizado en imagenes de bancos estandares y se han comparado los resultados
con los obtenidos en otros trabajos de ndole similar.
46
A LA SEGMENTACION
DE IMAGENES.
4.1.
Implementaci
on MATLAB.
El mapa auto-organizado se ha implementado en MATLAB usando para

ellos scripts MATLAB y tambien codigo en C (funciones MEX) para optimizar en velocidad. Las funciones MATLAB construidas son las siguientes.
Tambien especificamos que acciones de las listadas en la Seccion 3.4 o en la
introduccion a este captulo se implementa en el codigo de cada funcion.
Nombre funcion
Descripcion
Implementa
AnalizaImagen
Script principal
(A)
(B)
(C) (e)
AprendeRed
Ejecuta el algoritmo de aprendi- (f)

zaje
DesplazaNeurona
Desplaza una neurona a lo largo (f.4)

de una geodesica en una proporcion dada
Geodesica
Calcula la geodesica entre dos (f.1)

puntos
IniciaRed
Inicializa los parametros de la red (d)
IntegraInversoDensidad
Aproximacion a la integral de
lnea sobre un segmento del inverso de la densidad (Ecuacion (3.3))
MatrizDistanciasLineales Crea el grafo de distancias dados (b)

los clusters
MueveNeuronas
Mueve las neuronas seg

un las re- (f.2) (f.3)
glas de aprendizaje
Reconstruye
Calcula el error cuadratico medio (E)

para la imagen y las neuronas dadas y reconstruye la imagen usando dichas neuronas
RecorreCamino
Recupera el camino mnimo entre (f.1)

dos vertices
47
A LA SEGMENTACION
DE IMAGENES.
Ademas, se usan las siguientes funciones MATLAB. Las 3 primeras me
fueron proporcionadas por el profesor Ezequiel Lopez Rubio y constituyen la
implementacion del trabajo [14]. La funcion colorspace fue creada por Pascal Getreuer (ColorSpace, Copyright (c) 2009, Pascal Getreuer). La u
ltima
funcion forma parte de la librera de grafos para MATLAB creada por David
Gleich (MatlabBGL, Copyright (c) 2006-2007, David Gleich).
Nombre funcion
Descripcion
Implementa
TrainSmoothParzenWindows
Construye la densidad continua a (a)

partir de las muestras
TestSmoothParzen
Eval
ua la densidad continua en
un punto
GaussianaLocalSmoothParzen
Eval
ua la distribucion Gaussiana
de un cluster en un punto
colorspace
Conversion RGB CIELU V
allshortestpaths
Algoritmo de Floyd, computa la (c)

matriz de distancias mnimas para el grafo de distancias
(C)
La siguiente tabla muestra las dependencias entre las funciones MATLAB

y que funciones tienen una version MEX. El criterio para elegir que funciones
convertir a funciones MEX fue el profiler de MATLAB: se convirtieron a MEX
las funciones en las que se empleaba la mayora del tiempo de ejecucion.
48
A LA SEGMENTACION
DE IMAGENES.
Nombre funcion
MEX
AnalizaImagen
NO
Hijos
Padres
IniciaRed AprendeRed
Reconstruye colorspace
TrainSmoothParzenWindows
allshortestpaths
NO
AprendeRed
NO
colorspace
NO
IniciaRed
MueveNeuronas
AnalizaImagen
AnalizaImagen Reconstruye
DesplazaNeurona
NO
GaussianaLocal-
SI
MueveNeuronas
MatrizDistancias-
SmoothParzen
Geodesica
Lineales Geodesica
SI
GaussianaLocalSmoothParzen IntegraInversoDensidad
RecorreCamino
IniciaRed
NO
MatrizDistanciasLineales
AnalizaImagen
allshortest-
paths
SI
TestSmoothParzen
MatrizDistanciasLineales, Geodesica
MatrizDistancias-
NO
Lineales
GaussianaLocal-
IniciaRed
SmoothParzen IntegraInversoDensidad
MueveNeuronas
NO
Geodesica
Desplaza-
AprendeRed
Neurona
Reconstruye
NO
RecorreCamino
SI
TestSmoothParzen
SI
TrainSmoothParzen-
Geodesica colorspace
AnalizaImagen
RecorreCamino
RecorreCamino
NO
AnalizaImagen
Windows
Practicamente el 100 % del tiempo de ejecucion de lo reparten entres las

5 funciones con versiones MEX de la tabla anterior. La funcion de calculo
49
A LA SEGMENTACION
DE IMAGENES.
de geodesicas, Geodesica, esta optimizada de forma que se almacenan los
N umV ecinos clusters de cada neurona de una iteracion a otra. As, si la
neurona no se desplaza no se recalculan sus clusters vecinos en la siguiente
iteracion. Como el proceso de aprendizaje de la red tiende a mover las neuronas menos cuanto mas iteraciones se realizan esto resulta en una aceleracion
del aprendizaje en su parte final.
En la version final los N umV ecinos elegidos para construir geodesicas
se seleccionan como aquellos que minimizan la distancia eucldea y no como aquellos que minimizan la distancia Gaussiana (ver Seccion 3.3). As se
consigue mayor velocidad y mas estabilidad en los resultados. El segmento rectilneo entre una muestra y la entrada se elige como geodesica si las
geodesicas a traves del grafo dan todas distancia infinita (ver tres u
ltimos
parrafos de la citada seccion).
4.2.
Dependencia de los par

ametros.
Durante el Captulo 3 se establecio que el algoritmo de aprendizaje del

mapa auto-organizado generalizado que estamos usando depende de los siguientes parametros:
1. Parametros y , que determinan respectivamente la proporcion de
autovalores a conservar y el nivel de ruido en la construccion de la
densidad continua.
2. Parametro N umM uestras y N umClusters usados en la construccion
de la densidad continua.
3. Parametro N umV ecinosGraf o, que determinan el n
umero de clusters
vecinos a un cluster dado en la construccion del grafo de distancias, y
parametro N umV ecinos, que determina el n
umero de clusters vecinos a
la entrada o a una neurona en la construccion de geodesicas y distancias
geodesicas.
4. Parametros 0 , 0 , que determinan respectivamente el entorno inicial y
la razon de aprendizaje inicial en las ecuaciones de aprendizaje.
50
A LA SEGMENTACION
DE IMAGENES.
En esta seccion describimos un estudio realizado para estudiar la calidad
del aprendizaje del mapa auto-organizado generalizado en funcion de los distintos parametros. Las pruebas se han realizado sobre la imagen del mandril
del Ejemplo 4.0.1 en tama
no 128 128 con N umM uestras = 100 muestras,
N umClusters = 100 clusters y N umN euronas = 10 neuronas (salvo cuando
son estos parametros los que se estan estudiando claro esta).
Empezamos por y . Fijando una muestra con N umM uestras =
100 pxeles aleatorios de la imagen hemos construido la densidad continua
d(x) : Rm R con N umClusters = 100 clusters para distintos valores de
y y evaluado la siguiente cantidad:
M
X
1
AN LL =
ln d(xi ),
N umM uestras i=1
(4.1)
donde {xi }i=1,...,N umM uestras son las muestras y ln es logaritmo neperiano. Las
siglas vienen del ingles average negative log likelihood. Esta cantidad AN LL
cuantifica como de bien aproxima la densidad continua a las muestras, y
la optimizacion trata de minimizar su valor. La siguiente grafica muestra el
valor de ANLL para y tomando valores entre 0 y 1.
12
11.5
11
10.5
10
9.5
9
100
80
60
40
20
0
Alpha*100
10
20
30
40
50
Gamma*100
51
60
70
80
90
100
A LA SEGMENTACION
DE IMAGENES.
Hemos encontrado que los valores optimos para y son 0,1 y 0,14
respectivamente.
Debido al paso intermedio de la construccion de la densidad continua
hay otros parametros que estudiar en nuestro algoritmo. En particular, el
algoritmo depende del n
umero de muestras N umM uestras tomadas para
construir la densidad y tambien del n
umero de clusters N umClusters que
conforman la densidad. La siguiente grafica muestra valores de M SE para
N umM uestras entre 100 y 500 y N umClusters entre 20 y 100:
0.03
0.025
0.02
0.015
500
450
400
350
300
100
90
250
80
70
200
NumMuestras
60
50
150
40
100
30
20
NumClusters
En general y como era de esperar el error cuadratico medio M SE disminuye conforme aumentan el n
umero de muestras N umM uestras o el n
umero
de clusters N umClusters. En la siguiente seccion hacemos un estudio mas
detallado sobre la dependencia del aprendizaje de estos parametros.
Los parametros N umV ecinosGraf o y N umV ecinos tambien los hemos
estudiado al mismo tiempo. Dejando el resto de valores fijos hemos ejecutado
el algoritmo de aprendizaje y evaluado el error cuadratico medio barriendo los
valores para N umV ecinosGraf o y N umV ecinos entre 1 y 20. Los parametros y se fijaron en los optimos 0,1 y 0,14 encontrados anteriormente. La
siguiente figura muestra el M SE para los distintos valores de N umV ecinos
y N umV ecinosGraf o.
52
A LA SEGMENTACION
DE IMAGENES.
0.04
0.035
0.03
0.025
0.02
0.015
20
15
20
15
10
10
5
NumVecinosGrafo
5
0
NumVecinos
Como se observa para valores N umV ecinos 7 y N umV ecinosGraf o

7 la dependencia es mnima y con valores N umV ecinos = 5 y
N umV ecinosGraf o = 8 hemos obtenido buenos resultados a la vez que
un compromiso con el tiempo de computo.
La cantidad de parametros de los que depende nuestro modelo hace que
su optimizacion sea una tarea a acometer seria. Para terminar esta seccion
notemos tambien la variedad de datos que podemos mostrar a la red durante
el aprendizaje. Tenemos tres candidatos: las N umM uestras muestras que se
usaron para construir la densidad, los N umClusters clusters de la densidad
o M nuevas muestras de la imagen.
Empricamente hemos determinado que se obtienen buenos resultados iniciando el aprendizaje con una fase competitiva pura en el que se muestran a
la red cada cluster de la densidad y a continuacion se siguen presentando a la
red dichos clusters de manera cclica hasta alcanzar N umM axIteraciones.
Hemos acompa
nado este metodo de funciones lineales a trozos para las funciones y :
53
A LA SEGMENTACION
DE IMAGENES.
2
1.8
0.9
1.6
0.8
1.4
0.7
1.2
0.6
0.8
0.5
0.6
0.4
0.4
0.3
0.2
20
40
60
80
100
120
140
160
180
200
0.2
20
40
60
80
100
120
140
160
180
200
Figura 4.3: Funcion a la izquierda y funcion a la derecha para

N umClusters = 100 y N umM axIteraciones = 200.
Estudiando el error cuadratico medio M SE para distintos valores maximo
y residual de y distintos valores del segundo maximo de y residual de
(el primer maximo de lo hemos fijado en 1) hemos obtenido optimos con
valor maximo de = 0,3, valor residual de = 0,1, segundo valor maximo
de = 0,6 y valor residual de = 0,25. Este algoritmo de aprendizaje de dos
fases junto con los parametros optimos comentados son los que usaremos en
la siguiente seccion.
54
A LA SEGMENTACION
DE IMAGENES.
4.3.
Resultados.
La calidad de la reconstruccion de la imagen se suele evaluar mediante la

razon se
nal-ruido pico, PSNR por sus siglas en ingles, definida como sigue:
3
),
(4.2)
M SE
donde el error cuadratico medio fue introducido en la Ecuacion (1.1) y reproducimos aqu
P SN R = 10 log10 (
M SE =
PN umP ixeles
i=1
||xi BM U (xi )||2

,
N umP ixeles
(4.3)
donde notese que el valor M SE se calcula usando para ello todos los pxeles
de la imagen.
Antes de pasar al estudio comparativo hemos estudiado en mas profundidad la dependencia del P SN R con respecto a N umM uestras, N umClusters
y N umM axIteraciones con el metodo de aprendizaje de dos fases descrito
en la seccion anterior. Para ello hemos calculado la media y desviaciones
tpicas de P SN R sobre una muestra de 10 ejecuciones sobre la imagen del
mandril en tama
no 128 128, tal y como muestran las siguientes tablas:
NumClusters NumNeuronas
6
16
50
19.04 22.18
100
19.61 22.98
150
19.41 23.09
200
19.12 23.2
32
23.58
23.77
24.65
25.08
64
23.84
24.74
25.65
26.25
128
23.99
25.19
26.09
27.02
256
24.15
25.48
26.56
27.39
Cuadro 4.1: Valores medios de P SN R con N umM uestras = 200 y

N umM axIteraciones = 200.
55
A LA SEGMENTACION
DE IMAGENES.
NumClusters NumNeuronas
6
16
32
50
1.25 0.6 0.57
100
1.58 0.32 0.68
150
1.54 0.39 0.59
200
0.88 0.35 0.37
64
128
0.54 0.56
0.51 0.39
0.51 0.52
0.38 0.2
256
0.28
0.59
0.37
0.53
Cuadro 4.2: Desviaciones tpicas de P SN R con N umM uestras = 200 y

Como muestran los valores medios de P SN R el aprendizaje mejora conforme aumenta el n
umero de clusters. Ademas, esta mejora es mayor cuanto
mas neuronas consideremos: para 256 neuronas la diferencia en P SN R entre
200 y 50 clusters es de 27,39 24,15 = 3,24, para 16 neuronas la diferencia
es de 23,2 22,18 = 1,02. La representacion grafica de los valores medios
P SN R es la siguiente:
28
27
26
25
24
23
22
21
20
19
200
256
150
128
64
100
32
16
NumClusters
50
56
NumNeuronas
A LA SEGMENTACION
DE IMAGENES.
La siguientes tablas recopilan informacion sobre valores P SN R variando
N umM uestras frente a N umN euronas:
NumMuestras NumNeuronas
6
16
200
19.61 22.77
500
19.97 22.93
1000
19.7 22.99
2000
20.21 23.2
5000
19.56 23.21
32
23.85
24.08
24.23
24.26
24.31
64
128
256
24.87 25.31 25.25
24.55 25.37 25.57
24.78 25.46 25.91
25
25.78 25.99
25.36 25.79
26
Cuadro 4.3: Valores medios de P SN R con N umClusters = 100 y

NumMuestras NumNeuronas
6
16
32
100
1.58 0.33 0.52
200
1.19 0.46 0.51
500
1.23 0.37 0.41
2000
1.09 0.36 0.35
5000
1.39 0.29 0.53
64
0.51
0.45
0.59
0.18
0.22
128 256
0.49 0.45
0.37 0.34
0.27 0.31
0.15 0.16
0.15 0.17
Cuadro 4.4: Desviaciones tpicas de P SN R con N umClusters = 100 y

Como se observa el aumento del n
umero de muestras produce una mejora
en el aprendizaje en terminos de P SN R y esta mejora no aumenta tan acusadamente como en el caso anterior al incrementar el n
umero de neuronas.
Es de destacar sin embargo que el decremento de las desviaciones tpicas es
mucho mas patente en este caso que en el anterior. Representamos a continuacion los valores medios P SN R:
57
A LA SEGMENTACION
DE IMAGENES.
26
25
24
23
22
21
20
19
5000
256
2000
128
1000
64
32
500
16
NumMuestras
200
NumNeuronas
Para terminar hemos estudiado los valores P SN R enfrentando

N umM axIteraciones y N umN euronas:
NumMaxIteraciones
200
500
1000
2000
5000
NumNeuronas
6
16
18.81 22.63
18.6 22.54
18.69 22.54
18.96 22.6
19.23 22.59
32
24.03
24.18
24.22
24.25
24.27
64
24.84
24.96
24.98
24.98
24.97
128
25.25
25.32
25.35
25.36
25.36
256
25.15
25.17
25.17
25.17
25.17
Cuadro 4.5: Valores medios de P SN R con N umM uestras = 100 y

N umClusters = 100.
58
A LA SEGMENTACION
DE IMAGENES.
NumMaxIteraciones
NumNeuronas
6
16
32
64
1.33 0.55 0.63 0.46
1.42 0.8 0.57 0.47
1.67 0.83 0.59 0.49
1.54 0.84 0.59 0.5
1.63 0.86 0.58 0.51
200
500
1000
2000
5000
128
0.42
0.42
0.42
0.42
0.43
256
0.56
0.57
0.57
0.57
0.57
Cuadro 4.6: Desviaciones tpicas de P SN R con N umM uestras = 100 y

N umClusters = 100.
En este caso, fijado el n
umero de neuronas, la mejora en el aprendizaje
en terminos de P SN R que produce el aumento del n
umero maximo de iteraciones es mnimo. Esto no debera sorprender ya que, como se describio en la
seccion anterior, el metodo de aprendizaje que estamos usando presenta cclicamente los clusters a la red. Los valores medios P SN R tienen la siguiente
representacion:
26
25
24
23
22
21
20
19
18
5000
256
2000
128
1000
64
32
500
16
NjumMaxIteraciones
200
NumNeuronas
En conclusion, deducimos que es el n

umero de clusters la variable cuyo
aumento produce mayores mejoras en el aprendizaje, mientras que el incremento de el n
umero de muestras o el n
umero maximo de iteraciones producen
mejoras solo marginales.
59
A LA SEGMENTACION
DE IMAGENES.
El estudio comparativo lo dividimos en dos partes. En la primera ejecutaremos el algoritmo de aprendizaje de dos fases de la Seccion 4.2 hasta
alcanzar N umM axIteraciones. En la segunda parte a
nadiremos un criterio
de convergencia a dicho algoritmo.
60
A LA SEGMENTACION
DE IMAGENES.
4.3.1.
Algoritmo de aprendizaje de dos fases.
La primera parte la realizaremos sobre las siguientes imagenes, conocidas

respectivamente como Mandrill, Lena y Peppers:
En los artculos [5] y [21] se presentan dos tipos de mapa auto-organizados

conocidos como FS-SOM (frequency sensitive SOM) y SA-SOM (sample-size
adaptative SOM) respectivamente. Estos algoritmos ya fueron comentados
en la Seccion 1.4. De [21, Fig. 8] tomamos los valores P SN R (redondeados)
para la segmentacion de Mandrill, Lena y Peppers en tama
no 128 128 y
con un 10 % de razon de muestreo, es decir, tomando unas 1638 muestras de
la imagen, para distintos n
umero de neuronas:
Imagen
Metodo
NumNeuronas
16
32
64
FS-SOM 24.5 23 20.5
Mandrill
SA-SOM 25.5 28
30
FS-SOM 28.5 27.5 25
Lena
SA-SOM 29.5 32.5 34
FS-SOM 26
25
23
Peppers
SA-SOM 27 28.5 30.5
128 256
19
18
31.5 33
22
22
36
37
21 20.5
32
33
Cuadro 4.7: Valores de P SN R para SA-SOM sobre imagenes 128 128.

Se observa que los valores P SN R para FS-SOM decrecen conforme aumenta el n
umero de neuronas. Este comportamiento anormal cesa al aumentar el n
umero de iteraciones [5, Table I] o el tama
no de la imagen [21, Fig.
8]. Hemos ejecutado nuestro mapa auto-organizado generalizado con 1638
muestras, 200 clusters, 400 iteraciones y diversos n
umeros de neuronas sobre
61
A LA SEGMENTACION
DE IMAGENES.
imagenes en tama
no 128 128 para obtener los siguientes resultados, donde
las medidas estadsticas se realizaron sobre muestras de 10 ejecuciones:
Imagen
PSNR
NumNeuronas
16
32
Media
23.14 24.19
Mandrill
Desviacion tpica 0.33 0.46
Media
27.19 29.61
Lena
Media
24.84 26.03
Peppers
64
25.2
0.19
30.87
0.43
27.16
0.19
128
25.92
0.26
31.53
0.3
27.72
0.2
256
26.44
0.26
32.33
0.55
28.06
0.15
Cuadro 4.8: Valores medios y desviaciones ttpicas de P SN R sobre imagenes

128 128.
Nuestros valores de P SN R se encuentran por encima de los de FS-SOM
y por debajo de los de SA-SOM y la diferencia aumenta conforme aumenta
el n
umero de neuronas. Es de destacar que nuestro algoritmo solo esta presentando a la red 200 muestras distintas mientras que FS-SOM y SA-SOM
estan presentando a la red mas de 1600 muestras.
En la siguiente grafica podemos observar los valores P SN R de las dos
u
ltimas tablas:
62
A LA SEGMENTACION
DE IMAGENES.
38
Mandrill FSSOM
Mandrill SASOM
Mandrill
Lena FSSOM
Lena SASOM
Lena
Peppers FSSOM
Peppers SASOM
Peppers
36
34
32
PSNR
30
28
26
24
22
20
18
16
32
64
NumNeuronas
128
256
Figura 4.4: Valores P SN R para las tres imagenes Mandrill (en azul), Lena
(en rojo) y Peppers (en verde) y los tres metodos FS-SOM (lnea continua),
SA-SOM (lnea rayada) y nuestro mapa auto-organizado generalizado (lnea
punteada).
Las siguientes imagenes muestran reconstrucciones RGB tpicas de las
imagenes Mandrill, Lena y Peppers en tama
no 128 128 para 16, 64 y 256
neuronas y los demas parametros iguales a los usados en la tabla anterior:
Figura 4.5: Reconstruccion de Mandrill con 16, 64 y 256 neuronas.
63
A LA SEGMENTACION
DE IMAGENES.
Figura 4.6: Reconstruccion de Lena con 16, 64 y 256 neuronas.
Figura 4.7: Reconstruccion de Peppers con 16, 64 y 256 neuronas.

La siguiente comparacion sera con el mapa auto-organizado descrito en
[1, Table 3], conocido como LARFSOM (local adaptive receptive field SOM).
En [1, Table 4, Table 3, Table 2] encontramos la siguiente informacion sobre
segmentacion con n
umero de neuronas bajo para las imagenes Mandrill, Lena
y Peppers en tama
no 512 512:
Imagen
NumNeuronas Iteraciones
Mandrill
6
271
Lena
4
219
Peppers
6
330
PSNR
20.75
23.53
22.75
Cuadro 4.9: Valores de P SN R para LARFSOM sobre imagenes 512 512.

Usando nuestro mapa auto-organizado hemos obtenido las siguientes medidas estadsticas para valores P SN R sobre 10 ejecuciones:
64
A LA SEGMENTACION
DE IMAGENES.
Imagen
Mandrill
Lena
Peppers
Neuronas NumMaxIteraciones
6
271
4
219
6
330
Media Desviacion tpica

19.96
0.29
22.6
0.82
20.75
0.9
Cuadro 4.10: Valores de P SN R sobre imagenes 512 512.

Hemos tomado N umM uestras
=
N umM axIteraciones y
N umClusters = N umM axIteraciones/2 de forma que se presentan los clusters dos veces a la red, primero en aprendizaje competitivo puro y despues en
aprendizaje clasico, tal y como se describio en la seccion anterior. Los valores
P SN R obtenidos son inferiores a los de LARFSOM. Reduciendo el n
umero
de muestras y de iteraciones a la mitad obtuvimos los siguientes valores de
P SN R:
Imagen
Mandrill
Lena
Peppers
Neuronas NumMaxIteraciones
6
135
4
108
6
165
Media Desviacion tpica

20.01
0.53
22.67
0.52
20.72
0.75
Cuadro 4.11: Valores de P SN R sobre imagenes 512 512.

Aqu de nuevo pusimos N umM uestras = N umM axIteraciones y
N umClusters = N umM axIteraciones/2. Como se observa los valores medios de P SN R son practicamente identicos a los de la tabla anterior. Esto
demuestra, por un lado, un excelente comportamiento de nuestro mapa autoorganizado para n
umero de neuronas, muestras e iteraciones bajos. Por otro
lado, esto induce a creer que mejorando el metodo de aprendizaje los valores medios de P SN R obtenidos en el Cuadro 4.10 pueden incrementarse ya
que aparentemente hay mas informacion que puede extraerse de las muestras
usadas.
65
A LA SEGMENTACION
DE IMAGENES.
Figura 4.8: Reconstruccion de Mandrill, Lena y Peppers con 6, 4 y 6 prototipos respectivamente.
4.3.2.
Algoritmo de aprendizaje de dos fases con criterio de convergencia.
La segunda parte del estudio comparativo la realizaremos sobre las imagenes Flowers, Sailboat, Pens y Yacht, que son de tama
nos 500362, 512512,
512 480 y 512 480 respectivamente:
66
A LA SEGMENTACION
DE IMAGENES.
La siguiente tabla [1, Table 5, Table 6, Table 7, Table 8] muestra valores

P SN R sobre estas imagenes para FS-SOM, LARFSOM y el algoritmo clasico
de mapa auto-organizado SOM para segmentacion de imagenes.
Imagen
Metodo
Neuronas Iteraciones
SOM
16
18064
Flowers FS-SOM
16
892
LARFSOM
16
2636
SOM
16
4066
Sailboat FS-SOM
16
389
LARFSOM
16
437
SOM
16
13504
Pens
FS-SOM
16
449
LARFSOM
16
599
SOM
16
3851
Yacht
FS-SOM
16
270
LARFSOM
16
364
PSNR
21.95
20.50
24.82
21.12
21.69
24.45
20.55
21.68
24.74
20.07
21.72
24.35
El algoritmo de aprendizaje que usamos es identico al explicado en la

Seccion 4.2 salvo que en la segunda fase, es decir, en la fase con aprendizaje
no competitivo puro, hemos a
nadido el siguiente criterio de convergencia:
PN
||ni (t + 1) ni (t)||2
0,0001.
N
Es decir, que paramos el algoritmo si la diferencia (al cuadrado) media
entre las posiciones de las neuronas es menor que 104 o si alcanzamos
N umM axIteraciones. Hemos calculado los siguientes valores estadsticos
i=1
67
A LA SEGMENTACION
DE IMAGENES.
sobre 10 ejecuciones con N umM uestras = 1000, N umClusters = 100,
N umN euronas = 16 y N umM axIteraciones = 10000:
Imagen
Neuronas
Flowers 16
Sailboat 16
Pens
16
Yacht
16
Iteraciones me- P SN R medio

dias (desviacion) (desviacion)
167.9 (44.62)
21.64 (1.59)
173.7 (57.38)
25.39 (0.35)
189.4 (149.06)
23.64 (1.76)
250.5 (255.67)
24.14 (0.82)
Como vemos los valores medios P SN R superan en general a los de SOM

y FS-SOM y en ocasiones tambien a los de LARFSOM. Recordemos de nuevo que estos resultados se consiguen presentado a la red solo 100 muestras
distintas (N umClusters = 100 clusters). Las siguientes figuras muestran
reconstrucciones con 16 prototipos:
68
Captulo 5
Discusi
on y conclusiones.
En este trabajo hemos presentado los mapas auto-organizados tal y como
fueron introducidas por Kohonen y particularizando desde el punto de vista
general de redes neuronales artificiales. De entre las miles de aplicaciones que
tienen los mapas auto-organizados hemos descrito varias de ellas orientadas
a la segmentacion de imagenes en color.
Posteriormente hemos introducido el concepto de mapa auto-organizado
generalizado, cuya principal virtud sea quizas su simetra respecto a los datos
de entrada y las neuronas. Hemos visto como algunas de las variantes de
mapas auto-organizados explicados anteriormente se enmarcan dentro de este
nuevo concepto generalizado mientras que no lo hacan en el concepto clasico
de mapa auto-organizado. Creemos que este concepto podra dar a nuevas
desarrollos o variaciones de mapas auto-organizados.
Como aplicacion hemos dise
nado un mapa auto-organizado generalizado
orientado a la segmentacion de imagenes en color. La diferencia con un mapa
clasico radica fundamentalmente en que el movimiento de las neuronas se
realiza a lo largo de las geodesicas de cierta metrica. Esta metrica depende de
una densidad continua calculada a partir de las muestras. La implementacion
se ha llevado a cabo en MATLAB y C.
Se ha probado el mapa sobre imagenes estandares. Los valores de P SN R
obtenidos se encuentran entre aquellos obtenidos por otros mapas auto-organizados recientes orientados a la segmentacion de imagenes en color y llegan
69
Y CONCLUSIONES.
CAPITULO 5. DISCUSION
a superar a los mejores de estos metodos en algunas de las pruebas.
Resaltemos aqu que los metodos contra los que se ha comparado el algoritmo, FS-SOM, SA-SOM y LARFSOM, son incompatibles entre si ya
que proponen distintas estrategias relacionadas con la eleccion de la BMU.
Sin embargo, ya que nuestro mapa auto-organizado modifica un mapa autoorganizado clasico a un nivel profundo, a saber, en el computo de distancias
en el espacio de entrada y en el movimiento de las neuronas hacia la entrada,
es totalmente plausible desarrollar distintas versiones de nuestro algoritmo
que incluyan las estrategias BMU de FS-SOM, SA-SOM o LARFSOM.
Nuestro mapa se muestra mas competitivo para n
umero de iteraciones
bajo, mientras que para n
umero de iteraciones alto los valores P SN R divergen mas de los otros metodos estudiados. Esto no es de extra
nar ya que en
el metodo de aprendizaje de dos fases explicado los clusters de la densidad
son presentados reiterativamente a la red, con lo que se pierde parte de la
informacion de la imagen. Un n
umero de muestras y de clusters equiparable
a un n
umero de iteraciones grande (del orden de 104 ) es computacionalmente
intratable.
Veamos ademas por que el presentar una muestra en vez de un cluster a la
red puede distorsionar el aprendizaje. Para ello notese primero que los clusters
tienden a estar en el interior de la nube de muestras como en los Ejemplos
3.1.1 y 3.2.1. As que una distribucion tpica del inverso de la densidad entre
un cluster y una muestra sera como se muestra en la siguiente figura:
Si una neurona cercana al cluster ha de moverse en direccion a la muestra una peque

na cantidad, digamos un 5 %, esto puede producir un gran
desplazamiento en distancia eucldea:
70
Y CONCLUSIONES.
Esta distorsion es importante en tanto en cuanto los valores M SE y

P SN R se calculan usando para ello distancia eucldea. Un primer objetivo
para seguir desarrollando esta red sera pues integrar mejor la densidad continua con un aprendizaje basado en muestras de la imagen independientes
de la densidad. Una posible opcion aqu sera aprender siempre mediante
clusters pero ir calculando nuevas densidades a medida que se toman nuevas muestras de la imagen. Alg
un efecto de memoria debera considerarse
para minimizar la discrepancia entre una densidad y la siguiente, como por
ejemplo usar parte de los clusters o muestras de la densidad antigua como
muestras para la nueva densidad.
Ademas, un estudio mas pormenorizado de la influencia de los numerosos
parametros de la red en los valores de salida P SN R sera conveniente. Estos
parametros incluyen el n
umero de iteraciones, el n
umero de clusters, n
umero
de vecinos, n
umero de vecinos del grafo, parametros de construccion de la
densidad y las funciones y de aprendizaje. Posiblemente distintos tipos de
imagenes requieran distintos conjuntos de parametros. Igualmente, distintos
valores P SN R objetivo requeriran metodos de aprendizaje distintos.
Tampoco debera obviarse un estudio sistematico del tiempo de aprendizaje, el cual es otro baremo para comparar este trabajo con otros de la
misma area. Debido a la considerable mayor carga computacional del calculo
de una geodesica frente al calculo de un segmento rectilneo aqu se debera
esperar estar en seria desventaja frente a otros metodos.
En otro orden, una version con una malla dos dimensional para las neuronas debera producir mejores resultados en terminos de P SN R.
Un problema abierto de caracter mas teorico pero que merece la pena considerar es el estudio de condiciones para que la aproximacion a las geodesicas
71
Y CONCLUSIONES.
y a la distancia geodesica consideradas aqu convergen a las geodesicas y a las
distancias geodesicas teoricas respectivamente. Esto dara una base mas solida al algoritmo en s. En el trabajo [2] se presentan dichos criterios para un
algoritmo relacionado de reduccion de la dimension conocido como Isomap.
Con referencia a los valores P SN R para segmentacion de imagenes en la
bibliografa es interesante que, aunque frecuentemente se muestran valores
para distintos tama
nos de imagenes (como 128 128, 256 256 y 512 512),
los valores P SN R obtenidos deberan ser, al menos teoricamente, iguales. Si
tomamos M muestras de una imagen en tama
no TX TY elegidas con pares
de proporciones aleatorias entre 0 y 1, estos mismos pares daran las mismas
muestras en la misma imagen en tama
no TX TY con > 1.
Dado que las muestras son las mismas el algoritmo de aprendizaje debera
encontrar los mismos prototipos para ambas ejecuciones. Finalmente, el valor
M SE para la imagen grande
M SE =
P2 TX TY
i=1
||xi BM U (xi )||2

2 TX TY
puede reescribirse como

PTX TY
i=1
2 ||xi BM U (xi )||2

2 TX TY
ya que cada pxel de la imagen peque

na da lugar a 2 pxeles en la imagen
grande. Cancelando los dos terminos 2 notamos que esto es exactamente el
valor M SE para la imagen peque
na.
Podemos observar este hecho en [21, Table 1] comparando los valores
P SN R de tama
no de imagen 512 512 y razon de muestreo 0,1 con los
valores P SN R de tama
no de imagen 256 256 y razon de muestreo 0,4, ya
que ambos valores P SN R son similares y corresponden aproximadamente a
unas 26200 muestras. Lo mismo ocurre con los tama
nos 256256 y 128128
de la misma tabla y tambien en la grafica de [21, Fig. 8].
Tambien sera interesante investigar el mnimo global de M SE para una
imagen dada y un n
umero de neuronas dado y compararlo con los valores
M SE en la bibliografa. Para ello podra ensayarse una aproximacion me72
Y CONCLUSIONES.
diante posiciones de las neuronas en una malla de vertices tridimensional.
Esto sera sin duda computacionalmente muy costoso, pero arrojara cierta
luz sobre la calidad de los metodos SOM en general. Es claro que tal mnimo global debe existir ya que los valores de las prototipos o neuronas estan
acotados a un cubo del tipo [0, 255]3 o [0, 1]3 y M SE es funcion continua de
las posiciones de las neuronas (a pesar de que la funcion BM U no es funcion
continua de la variable de entrada).
Se puede probar que si queremos obtener el valor M SE mnimo global
con un error menor que > 0 es suficiente tomar la distancia entre vertices de la malla suficientemente peque
na. Para convencerse, supongamos que
nb1 , . . . , nc
N son las posiciones de las neuronas (posiblemente no en la malla)
que dan un valor M SE mnimo global. Ahora podemos tomar suficientemente peque
no tal que la distancia de cada pxel xi a una neurona que no
este a la misma distancia que la neurona BM U (xi ) sea mayor que la distancia
a BM U (xi ) mas , en formulas:
tal que ||xi nbj || > ||xi BM U (xi )|| + si ||xi nbj || > ||xi BM U (xi )||,
para cada pxel xi y cada prototipo nbj . Esta eleccion de es posible por la
finitud de los conjuntos involucrados. Tomemos ahora una malla de radio
y vertices de la malla n1 , . . . , nN a distancias menores que 2 de nb1 , . . . , nc
N
respectivamente. Por la eleccion de , si la neurona BM U para el pxel xi
era el prototipo nbj ahora tendremos tambien que la neurona mas cercana es
nj . Considerando mas peque
no si hace falta se comprueba entonces que el
M SE con respecto a n1 , . . . , nN difiere del M SE con respecto a nb1 , . . . , nc
N,
es decir, difiere del mnimo global, en menos de .
73
Ap
endice A
Geometra y Topologa.
En esta seccion introducimos varias nociones matematicas que se usan en
el trabajo. Para una version mas detallada se remite al lector a [4]. Empezamos con la nocion de espacio metrico.
Definici
on A.0.1. Un espacio metrico es un conjunto M no vaco y una
funcion d : M M R tal que para cualesquiera x, y, z M se satisface
d(x, y) 0 (no negatividad),
d(x, y) = 0 x = y,
d(x, y) = d(y, x) (simetra),
d(x, y) d(x, z) + d(z, y) (desigualdad triangular).
La funcion d es la metrica del espacio.
Por ejemplo, el espacio eucldeo Rm es un espacio metrico con la metrica
eucldea
d((x1 , . . . , xm ), (y1 , . . . , ym )) =
p
(x1 y1 )2 + . . . + (xm ym )2 .
(A.1)
Si M es un espacio metrico con metrica d, la bola centrada en x M con

radio r R, r > 0 es el conjunto
B(x, r) = {y M |d(x, y) < r}.
74
(A.2)

APENDICE
A. GEOMETRIA Y TOPOLOGIA.
En el espacio metrico R2 las bolas corresponden a discos rellenos sin la circunferencia que lo delimitan, y en el espacio metrico R3 corresponden a esferas
macizas sin la superficie esferica que lo delimitan.
Un subconjunto U de un espacio metrico M se denomina abierto si se
puede escribir como una union, posiblemente infinita, de bolas. Esto es es
equivalente a que para cualquier punto x U existe un radio r > 0 suficientemente peque
no tal que B(x, r) U . Es decir, que si un punto esta en U
tambien lo esta una peque
na bola alrededor de este punto.
Por ejemplo, el subconjunto (0, 1) = {x R|0 < x < 1} es abierto en el
espacio metrico R. El conjunto [0, 1] = {x R|0 x 1} no lo es porque
la condicion falla en los puntos 0 y 1. Un disco en R2 es abierto solo si no
contiene ning
un punto de la circunferencia que lo delimita. Una esfera en R3
es abierto solo si no contiene ning
un punto de la superficie esferica que lo
delimita.
Cualquier subconjunto de un espacio metrico M se convierte en un espacio
metrico sin mas que restringir la metrica de M a los puntos del subconjunto.
Por ejemplo, una recta, un segmento, un plano, una esfera o un toro yaciendo
en R3 se convierten en espacios metricos al heredar la metrica eucldea de
R3 .
Pasamos ahora a la nocion de variedad diferenciable de dimension m.
Es este un tipo especial de espacio metrico que localmente es indistinguible
de Rm . Mas concretamente, cada punto x M debe yacer en un entorno
coordenado. Un entorno coordenado es simplemente un conjunto U abierto
en M junto con una biyeccion de U a un abierto de Rm . A esta funcion se
le exige que sea un homeomorfismo, es decir, se le requiere que lleve abiertos
de U a abiertos de Rm y viceversa, es decir, que su inversa lleve abiertos de
Rm a abiertos de U . Esta funcion es la funcion coordenada porque asigna
m coordenadas a cada punto del abierto U de M .
Que ocurre cuando dos entornos coordenados intersecan? Sean : U
Rm y : V Rm dos entornos coordenados y supongamos que U V 6=
, esto es, que los abiertos U y V intersecan. Tenemos entonces un nuevo
homeomorfismo
1 : (U V ) (U V ).
(A.3)
75

APENDICE
A esta aplicacion se le llama funcion de transicion y convierte las m coordenadas que asigna a un punto de U V a las m coordenadas que les asigna
.
Definici
on A.0.2. Una variedad diferenciable es un espacio metrico M con
una familia de entornos coordenados {U , } tales que
cada punto de M est
a en al menos un subconjunto U y
para cualesquiera y con U U 6= la funcion de transicion entre
U , y U , es infinitamente diferenciable.
Para introducir la nocion de geodesica necesitamos primero introducir el
concepto de curva en una variedad diferenciable M .
Definici
on A.0.3. Sea M una variedad diferenciable. Una curva en M es
una aplicaci
on : (a, b) R o : [a, b] R tal que para cada instante t
en el intervalo y para cada entorno coordenado U , que contenga a (t) la
funcion
1 (U ) U Rm
es continua y diferenciable a trozos.
As que una curva en M es simplemente una funcion desde un intervalo
de R a M que es continua y diferenciable a trozos cuando la escribimos en
coordenadas.
Podemos ahora introducir el concepto de plano tangente en un punto x
de la variedad M . Para ello sean 1 : (1, 1) M y 2 : (1, 1) M dos
curvas en M con 1 (0) = 2 (0) = x y sea U , un entorno coordenado que
contiene x. Diremos que 1 y 2 son equivalentes si las derivadas de 1
y 2 en 0 coinciden (como vectores de Rm ). Esto da una relacion de
equivalencia entre tales curvas y a cualquiera de sus clases de equivalencia
la llamamos un vector tangente de M en x. El conjunto de tales vectores se
denota por Tx M y no depende del entorno coordenado que hemos elegido U ,
.
Este conjunto es un espacio vectorial de dimension m, y la estructura
de espacio vectorial de Tx M queda determinada asociando a cada clase de
76

APENDICE
equivalencia de curvas su vector derivada en Rm . Esta estructura tampoco
depende del entorno coordenado elegido.
Este espacio corresponde por tanto a las posibles direcciones a las que una
curva puede dirigirse a su paso por p. La siguiente figura muestra el espacio
tangente en un punto de una superficie esferica as como como un espacio
tangente generico junto con un vector como derivada de una curva en x.
Pasamos ahora a definir lo que es una variedad Riemanniana. El objetivo

es a
nadir a nuestra variedad diferenciable una manera de medir la longitud
de los vectores de los espacios tangentes de M . Como veremos esto nos permitira tambien medir la longitud de una curva en M . Recordemos que una
forma bilineal definida positiva en un espacio vectorial V es una aplicacion
: V V R tal que para todos v, w V , a1 , a2 , b1 , b2 R:
(a1 v1 +a2 v2 , b1 w1 +b2 w2 ) = a1 b1 (v1 , w1 )+a1 b2 (v1 , w2 )+a2 b1 (v2 , w1 )+
a2 b2 (v2 , w2 ) (bilineal),
(v, w) = (w, v) (simetrica),
(v, v) 0 y (v, v) = 0 v = 0 (definida positiva).
Si V tiene dimension m y fijamos una base en V una forma bilineal
simetrica definida positiva esta determinada y determina una matriz m m.
Definici
on A.0.4. Una variedad Riemanniana es una variedad diferenciable
con una forma bilineal simetrica definida positiva G(x) en el espacio tangente
Tx M para cada punto x M . Al tomar cualquier entorno coordenado U ,
77

APENDICE
la matriz asociada a G(x) para cada punto x U debe tener sus m2 entradas
infinitamente diferenciables. A G se le conoce como metrica Riemanniana de
M.
Dada una variedad Riemanniana M con metrica Riemanniana G el tama
no de un vector v Tx M esta dado por
p
G(x)(v, v) R.
En ocasiones identificaremos G(x) con la matriz de la forma bilineal G(x)

tras fijar una base en Tx M . En ese caso el tama
no de v lo podemos reescribir
como
p
vG(x)v t ,
donde v es un vector fila y
tr
significa traspuesta.
El espacio eucldeo Rm es una variedad Riemanniana cuya forma bilineal

simetrica definida positiva tiene asociada la matriz identidad Im en coordenadas canonicas (x1 , . . . , xm ) y el tama
no de un vector v = (v1 , . . . , vm ) es
p
2
2
v1 + . . . + vm , es decir, la norma eucldea de v.
La longitud de una curva : [a, b] M viene dada por la integral de
camino
L() =
Z bp
G((t))( (t), (t))dt
Z bp
(t)G((t)) (t)tr dt.
(A.4)
As, dados dos puntos x e y de la variedad Riemanniana M podemos

definir una nueva distancia entre ellos, la distancia geodesica, mediante
Z bp
dgeodesica (x, y) = Infimo

(t)G((t)) (t)tr dt,
(A.5)
donde el nfimo se toma sobre todas las curvas : [a, b] M que empiezan
en x y terminan en y, es decir, con (a) = x y (b) = y.
A partir de la Ecuacion (A.5) y mediante el uso de calculo de variaciones
se llegan a las ecuaciones geodesicas. Estas ecuaciones son ecuaciones dife2
i
renciales ordinarias en d
y ddt2i cuyas soluciones proporcionan (localmente)
dt
78

APENDICE
las geodesicas. Se escriben en termino de los smbolos de Christoffel que a
su vez dependen de las derivadas de las entradas de la matriz G(x) y de su
inversa G(x)1 .
La distancia dada por la Ecuacion (A.5) produce una funcion
dgeodesica : M M R que satisface las propiedades de la Definicion A.0.1,
es decir, dgeodesica es una metrica en M . Surge naturalmente la pregunta de
cual es la relacion de esta nueva metrica con la metrica original d en M .
La respuesta es que ambas metricas son equivalentes. Esto quiere decir
que los conjuntos abierto que generan dgeodesica y d son los mismos, es decir,
que un conjunto se puede escribir como union de dgeodesica -bolas si y solo
si se puede escribir como union de d-bolas. Tambien equivale a que las dos
topologas inducidas por las metricas son iguales.
Como en la Ecuacion (A.5) estamos tomando un nfimo no tenemos asegurado que exista una curva minimizante min entre x e y que tenga exactamente longitud L(min ) = dgeodesica (x, y). A una tal curva la llamaremos
geodesica entre x e y. Sin embargo, en general, la existencia y unicidad de
tales curvas minimizantes no esta asegurada. Hay variedades Riemannianas
donde no existen tales curvas minimizantes y variedades Riemannianas donde existe mas de una. Se puede dar un ejemplo sencillo de esto u
ltimo: en
la superficie esferica las geodesicas o curvas minimizantes son arcos de circunferencias maximas, es decir, de circunferencias contenidas en la superficie
esferica y en un plano que pasa por el centro de esta. Hay infinitas geodesicas
entre el polo norte y el polo sur.
La metrica Riemanniana en el espacio eucldeo Rm usado en el mapa
auto-organizado generalizado del Captulo 3 es de la forma
G(x) =
Im ,
d2 (x)
donde Im es la matriz identidad y d(x) : Rm R es la funcion densidad

reconstruida evaluada en el punto x Rm . Esta funcion es una suma de
distribuciones Gaussianas o normales con distintos parametros y medias y
satisface
d(x) > 0 para todo x Rm y
79

APENDICE
lm||x|| d(x) = 0.
Usando el teorema de Hopf-Rinow [4, VII.7.7] no es difcil demostrar usando la segunda propiedad de las anteriores que siempre habra al menos una
geodesica en nuestras condiciones. Por otro lado, una densidad degenerada
con una u
nica distribucion Gaussiana simetrica es un ejemplo donde es facil
encontrar dos puntos con mas de una geodesica entre ellos.
80
Ap
endice B
Glosario.
Algoritmo de Floyd: Dado un grafo con pesos el algoritmo de Floyd
permite hallar el camino entre dos vertices que minimiza la suma de los pesos
de las aristas incluidas en el camino (el camino mas corto). Una sola ejecucion
del algoritmo de Floyd genera dos matrices, una con las distancias mnimas
entre cada par de vertices, y otra con el proximo vertice a recorrer para cada
par de vertices. El camino mas corto entre dos vertices se encuentra por recursion usando la segunda matriz. El algoritmo de Floyd es de complejidad
O(|V |3 ), donde |V | es el n
umero de vertices del grafo.
Algoritmo de clustering k-means o medias-k: Es una tecnica de
clustering (ver clustering) que intenta agrupar n muestras en k grupos o
clusters. El algoritmo procede iterativamente a partir de k valores iniciales
calculando para cada una de las n entradas cual es el valor de estos k valores
mas cercano. Esto divide a las n entradas en k grupos o clusters. Los nuevos
k valores se actualizan como el centroide de cada cluster. El algoritmo se
vuelve a aplicar hasta que los clusters se estabilizan.
Clustering: El analisis de clustering o agrupamiento consiste en dividir
una conjunto de datos en distintos grupos de forma que los datos de un
mismo grupo sean similares. El criterio de similitud se suele dar en terminos
de una distancia.
81

APENDICE
B. GLOSARIO.
Figura B.1: Conjunto de datos agrupados en 3 grupos. Los grupos estan

coloreados para poder identificarlos.
Compresi
on de im
agenes: Consiste en la aplicacion de tecnicas de
compresion de datos a la informacion de una imagen. Esta ntimamente relacionada con la segmentacion de imagenes en color ya que la segmentacion
trata de encontrar patrones y regularidades en la imagen que a su vez pueden
usarse para comprimirla.
Cuantificaci
on vectorial: La cuantificacion vectorial es un tipo de algoritmo para clustering (ver clustering), y se puede considerar como un tipo
de mapa auto-organizado con competitividad extrema o pura entre las neuronas y con topologa degenerada. Solo la BMU se mueve hacia la entrada.
Esto equivale a hacer tender a 0 en la Ecuacion (1.3), para conseguir la
siguiente funcion de entorno:
(t, i, x(t)) =
si i = BM U
si i 6= BM U .
Claramente no hay topologa en la malla de de neuronas en cuantificacion vectorial (o siendo mas precisos, se dota al conjunto de neuronas de la
topologa discreta).
Espacios de color CIELU V y CIELAB: Las siglas CIELU V y
CIELAB son abreviaturas para los espacios de color CIE 1976 (L, u, v)
y CIE 1976 (L, a, b). Estos espacios de colores fueron adoptados por la
Comision Internacional de la Iluminacion (CIE) en 1976 a partir del espa82

APENDICE
B. GLOSARIO.
cio de color CIE 1931 XY Z. Ambos intentan conseguir percepcion uniforme, es decir, que la similaridad perceptual entre colores se mida con la
distancia que separa las coordenadas de dichos colores. Las transformaciones
CIELAB RGB y CIELU V RGB son no lineales.
Espacio de color RGB: Espacio de color que no satisface la percepcion
uniforme (ver espacios de color CIELAB y CIELU V ).
Funci
on MEX de MATLAB: MEX es la abreviatura de MATLAB
executable. Un fichero MEX es una librera dinamica compilada a partir de
codigo fuente C, C + + o F ORT RAN y que se puede ejecutar en el entorno
MATLAB como una funcion mas. La transferencia de datos entre la funcion
MEX y MATLAB y la ejecucion de funciones MATLAB desde el fichero MEX
se hace gracias a una librera MATLAB que se enlaza al codigo fuente. La
velocidad de ejecucion suele ser entre 10 y 20 veces mas rapida que la version
equivalente con un script de MATLAB.
Segmentaci
on de im
agenes en color: En el campo de la vision artificial la segmentacion de imagenes es un proceso por el cual los pxeles de una
imagen se etiquetan para crear grupos que comparten ciertas caractersticas
visuales. Ejemplos de estas caractersticas son la textura, el color o la intensidad. Este proceso se usa como paso previo a otros procesamientos de la
imagen como el reconocimiento de contornos.
El sentido en el que se usa segmentacion de imagenes en color en este trabajo siempre se refiere a agrupar los pxeles con respecto a su color creando
as zonas de color homogeneo en una imagen a color.
83
Bibliografa
[1] Araujo A.R.F., Costa D.C., Local adaptive receptive field self-organizing
map for image color segmentation, Image and Vision Computing, Volume 27, Issue 9, 3 August 2009, Pages 1229-1239, ISSN 0262-8856, DOI:
10.1016/j.imavis.2008.11.014
[2] Bernstein M., de Silva V., Langford J. C., Tenenbaum J.B., Graph approximations to geodesics on embedded manifolds, 2000, preprint available at http://isomap.stanford.edu
[3] Bishop C.M., Svensen M., Williams C.K.I., GTM: The Generative Topographic Mapping, Neural Computation, January 1, 1998, Vol. 10, No.
1, pages 215-234.
[4] Boothby W.M., An introduction to differentiable manifolds and Riemannian geometry, Academic Press, 1986, Orlando, Florida.
[5] Chang C., Xu P., Xiao R., Srikanthan T., New adaptive color quantization method based on self-organizing maps, IEEE Trans Neural Netw.
2005 Jan;16(1):237-49.
[6] Dittenbach M., Merkl D., Rauber A., The Growing Hierarchical SelfOrganizing Map, Neural Networks, IEEE - INNS - ENNS International Joint Conference on, p. 6015, IEEE-INNS-ENNS International Joint
Conference on Neural Networks (IJCNN00)-Volume 6, 2000.
[7] Dong G., Xie M., Color clustering and learning for image segmentation
based on neural networks, IEEE Trans Neural Netw. 2005 Jul; 16(4):92536.
84
BIBLIOGRAFIA
[8] Kohonen T., Automatic formation of topological maps of patterns in
a self-organizing system, in Erkki Oja and Olli Simula, editors, Proc.
2SCIA, Scand. Conf. on Image Analysis, pages 214-220, Helsinki, Finland, 1981, Suomen Hahmontunnistustutkimuksen Seura r. y.
[9] Kohonen T., Self-organizing formation of topologically correct feature
maps, Biol. Cyb., 43(1):59-59, 1982.
[10] Kaski S., Kangas J., Kohonen T., Bibliography of Self-Organizing Map
(SOM) Papers: 1981-1997, 1998, Neural Computing Surveys, 1, 102-350.
[11] Kaski S., Sinkkonen J., Peltonen J., Bankruptcy analysis with selforganizing maps in learning metrics, IEEE Trans Neural Netw., 2001,
12(4), 936-47.
[12] Li J. X., Visualization of high-dimensional data with relational perspective map, Information Visualization 3, 1 (Mar. 2004), 49-59.
[13] Lopez-Rubio E., Mu
noz-Perez J., Gomez-Ruiz J. A., Self-Organizing
Dynamic Graphs. Neural Process. Lett. 16, 2 (Oct. 2002), 93-109.
[14] Lopez-Rubio E., Ortiz-de-Lazcano-Lobato J. M., Soft clustering for nonparametric probability density function estimation. Pattern Recogn.
Lett. 29, 16 (Dec. 2008), 2085-2091.
[15] Lopez-Rubio E., Ortiz-De-Lazcano-Lobato J. M., Vargas-Gonzalez M.
C., Probabilistic Self-Organizing Graphs, in Proceedings of the 10th international Work-Conference on Artificial Neural Networks: Part I: Bioinspired Systems: Computational and Ambient intelligence (Salamanca,
Spain, June 10 - 12, 2009). J. Cabestany, F. Sandoval, A. Prieto, and J.
M. Corchado, Eds. Lecture Notes In Computer Science. Springer-Verlag,
Berlin, Heidelberg, 180-187.
[16] Oja M., Kaski S., Kohonen T., Bibliography of Self-Organizing Map
(SOM) Papers: 1998-2001 Addendum, Neural Computing Surveys, 2003,
3, 1-56.
85
BIBLIOGRAFIA
[17] Omer I., Werman M., The Bottleneck Geodesic: Computing Pixel Affinity, Computer Vision and Pattern Recognition, IEEE Computer
Society Conference on, pp. 1901-1907, 2006 IEEE Computer Society
Conference on Computer Vision and Pattern Recognition - Volume 2
(CVPR06), 2006.
[18] Peltonen J., Klami A., Kaski S., Improved learning of Riemannian metrics for exploratory analysis. Neural Netw. 17, 8-9 (Oct. 2004), 10871100, DOI= http://dx.doi.org/10.1016/j.neunet.2004.06.008
[19] Polla M., Honkela T., Kohonen T., Bibliography of Self-Organizing Map
(SOM) Papers: 2002-2005 Addendum. TKK Reports in Information and
Computer Science, Helsinki University of Technology, Report TKK-ICSR24, 2009.
[20] Rattray M., A Model-Based Distance for Clustering, Proc. of International Joint Conference on Neural Networks, 2000, p. 40134016.
[21] Wang C., Lee C., Hsieh C., Sample-size adaptive self-organization map
for color images quantization. Pattern Recogn. Lett. 28, 13 (Oct. 2007),
1616-1629, DOI= http://dx.doi.org/10.1016/j.patrec.2007.04.005
[22] Wang C., Lee C., Hsieh C., Classified self-organizing map
with adaptive subcodebook for edge preserving vector quantization, Neurocomput. 72, 16-18 (Oct. 2009), 3760-3770, DOI=
http://dx.doi.org/10.1016/j.neucom.2009.06.002
86

Redes Dinamicas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Redes Dinamicas

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD DE MALAGA

LENGUAJES Y CIENCIAS DE LA COMPUTACION

Reunido el tribunal examinador en el da de la fecha, constituido por:

realizado por Do /Da

mapa auto-organizado generalizado.

Figura 1.1: Niveles de vida de diversos pases en un mapa auto-organizado.

que realice segmentacion de imagenes en color. Este

Figura 1.2: Red neuronal artificial como una funcion.

Figura 1.3: Distribuciones tpicas de las neuronas en un mapa autoorganizado.

Figura 1.4: Aprendizaje en un mapa auto-organizado.

Figura 1.5: Mapa auto-organizado tras un n

||xi BM U (xi )||2

donde {xi }i=1,...,M

Aprendizaje en un mapa auto-organizado.

Notese que x(t) ni (t) es un vector que apunta desde la posicion de la

Figura 1.6: Recorrido a lo largo del segmento neurona-entrada.

donde dmalla (i, BM U ) es la distancia en la malla entre la neurona i y la

Figura 1.7: Los entornos alrededor de la BMU encogen con el tiempo.

El decrecimiento de la varianza se modela como sigue:

Se deduce que cuando t iguala el n

Algunas variantes de mapas auto-organizados.

En esta seccion comentamos algunos artculos que presentan variantes de

Figura 1.9: Malla unidimensional con topologa circular.

Figura 1.10: Metrica de aprendizaje versus metrica eucldea.

Figura 1.11: Geodesicas y distancias geodesicas usando un segmento y un

Otras variantes de mapas auto-organizados.

En esta seccion discutimos otras variantes de mapas auto-organizados

daremos una definicion de mapa auto-organizado generalizado. Esta

Figura 2.1: Un mapa auto-organizado generalizado.

Recuperando las variantes.

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

dgeodesica (p, q) = Infimo

donde : [0, 1] Rm es una curva continua y diferenciable a trozos que

donde d(x) es la densidad en el punto x e In es la matriz identidad n n.

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

Dado un conjunto de muestras o datos de entrada {xi }i=1,...,N umM uestras

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

En la siguiente figura mostramos 100 muestras tomadas aleatoriamente de

Con el objetivo de dotar al espacio eucldeo de entrada Rm de geodesicas

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

(t)G((t)) (t)tr dt.

Como (t) = q p al sustituir tenemos

y reordenando y reparametrizando obtenemos

donde ||q p|| es la norma eucldea de q p. Esta integral la aproximamos

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

En la figura se muestra el grafo con los vertices como clusters, as como

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

Una version anterior del algoritmo elega u

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

Ejemplo 3.3.2. La siguiente figura muestra una densidad a aproximar, su

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

O(|N umM uestras|3 ) = O(1000000).

La diferencia es patente incluso a esta peque

Para terminar esta seccion hacemos una peque

CAPITULO 3. UN MAPA AUTO-ORGANIZADO GENERALIZADO.

Funcionamiento del mapa auto-organizado.

El funcionamiento algortmico de este mapa auto-organizado se divide en

El mapa auto-organizado se ha implementado en MATLAB usando para