Você está na página 1de 39

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Universidade Estadual de Campinas

Faculdade de Engenharia Eltrica e Computao

IA353 Redes Neurais


Professores:
Leandro N. de Castro
Fernando J. Von Zuben

Reviso Bibliogrfica
Tema: Rede Neural de Kohonen e Outras Tcnicas para
Treinamento No-Supervisionado

Autores:
Ana Beatriz Alvarez RA: 015021
Baldomero Luque
RA: 019596

CU, Abril 2003

Rede Neural de Kohonen e Outras Tcnicas para Treinamento NoSupervisionado


Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Resumo
Esta reviso bibliogrfica tem por objetivo
fundamental fazer uma pequena apresentao da
informao disponvel nos meios sobre as tcnicas
para treinamento no supervisionado e como caso
especial as redes de Kohonen.

1.

INTRODUCAO
As Redes Neurais Artificiais denominadas neste trabalho apenas como redes
neurais, so sistemas de processamento de informao formadas pela interconexo
entre unidades simples de processamento, denominadas neurnios artificiais. Os
neurnios artificiais recebem essa denominao porque foram originados a partir de
um modelo matemtico de um neurnio biolgico; a principal propriedade desta
arquitetura a sua capacidade de aproximao universal e de aprendizado.
Treinar uma rede neural significa ajustar os pesos da rede de forma que a sada
coincida com um certo valor desejado para cada entrada. Existem alguns algoritmos
de treinamento que, alm do ajuste de pesos, provocam mudanas na prpria
arquitetura da rede, como a criao ou eliminao de neurnios.
Nesta reviso, procuramos mostrar o material bibliogrfico relacionado com redes
que utilizam o treinamento no supervisionado. Estas redes foram classificadas de
acordo a diferentes trabalhos consultados.

2.

REDES NEURAIS: CONCEITOS BASICOS

Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

a. DEFINICAO
Redes Neurais Artificiais so tcnicas computacionais que apresentam um modelo
matemtico inspirado na estrutura neural de organismos inteligentes e que adquirem
conhecimento atravs da experincia. Os neurnios se comunicam atravs de sinapses.
Sinapse a regio onde dois neurnios entram em contato e atravs da qual os impulsos
nervosos so transmitidos entre eles.
Os impulsos recebidos por um neurnio A, em um determinado momento, so
processados, e atingindo um dado limiar de ao, o neurnio A dispara, produzindo uma
substncia neurotransmissora que flui do corpo celular para o axnio, que pode estar
conectado a um dendrito de um outro neurnio B. O neurotransmissor pode diminuir ou
aumentar a polaridade da membrana ps-sinptica, inibindo ou excitando a gerao dos
pulsos no neurnio B. Este processo depende de vrios fatores, como a geometria da
sinapse e o tipo de neurotransmissor.

b. CARACTERISTICAS
Uma rede neural artificial composta por vrias unidades de processamento, cujo
funcionamento bastante simples. Essas unidades, geralmente so conectadas por
canais de comunicao que esto associados a determinado peso e fazem operaes
apenas sobre seus dados locais, que so entradas recebidas pelas suas conexes. O
comportamento inteligente de uma Rede Neural Artificial vem das interaes entre as
unidades de processamento da rede.
A operao de uma unidade de processamento, proposta por McCullock e Pitts em 1943,
pode ser resumida da seguinte maneira:

Sinais so apresentados entrada;

Cada sinal multiplicado por um nmero, ou peso, que indica a sua influncia na
sada da unidade;

feita a soma ponderada dos sinais que produz um nvel de atividade;

Se este nvel de atividade exceder um certo limite (threshold) a unidade produz


uma determinada resposta de sada.

A maioria dos modelos de redes neurais possui alguma regra de treinamento, onde os
pesos de suas conexes so ajustados de acordo com os padres apresentados. Em
outras palavras, elas aprendem atravs de exemplos.
Arquiteturas neurais so tipicamente organizadas em camadas.
Usualmente as camadas so classificadas em trs grupos:

Camada de Entrada: onde os padres so apresentados rede;

Camadas Intermedirias ou Escondidas: onde feita a maior parte do


processamento, atravs das conexes ponderadas; podem ser consideradas
como extratoras de caractersticas;

Camada de Sada: onde o resultado final concludo e apresentado.

Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Uma rede neural especificada, principalmente pela sua topologia, pelas caractersticas
dos ns e pelas regras de treinamento. A seguir, sero analisados os processos de
aprendizado.

c. PROCESSO DE APRENDIZADO
A propriedade mais importante das redes neurais a habilidade de aprender de seu
ambiente e com isso melhorar seu desempenho. Isso feito atravs de um processo
iterativo de ajustes aplicado a seus pesos denominado treinamento. O aprendizado ocorre
quando a rede neural atinge uma soluo generalizada para uma classe de problemas.
Denomina-se algoritmo de aprendizado a um conjunto de regras bem definidas para a
soluo de um problema de aprendizado.
Existem muitos tipos de algoritmos de aprendizado especficos para determinados
modelos de redes neurais, estes algoritmos diferem entre si principalmente pelo modo
como os pesos so modificados.
Outro fator importante a maneira pela qual uma rede neural se relaciona com o
ambiente. Nesse contexto existem os seguintes paradigmas de aprendizado:

Aprendizado Supervisionado Em um aprendizado supervisionado, a Rede


Neural treinada com auxlio de um supervisor. Para tanto, a rede dever possuir
pares de entrada e sada, ou seja, um conjunto de entradas e um conjunto com as
sadas desejadas para cada entrada. Toda vez que for apresentada rede uma
entrada, dever ser verificado se a sada obtida (gerada a partir dos clculos
efetuados a partir dos pesos que a rede possui) confere com a sada desejada
para quela entrada. Sendo diferente, a rede dever ajustar os pesos de forma
que armazene o conhecimento desejado. Esta interatividade do treino dever ser
repetida com todo conjunto de treinamento (entradas e sadas), at que a taxa de
acerto esteja dentro de uma faixa considerada satisfatria.

Aprendizado No Supervisionado (auto-organizao), quando no existe um


agente externo indicando a resposta desejada para os padres de entrada, este
tipo de aprendizado tambm conhecido como aprendizado auto-supervisionado
ou de auto-organizao por que no requer sada desejada e/ou no precisa usar
supervisores para seu treinamento.

Reforo, quando um crtico externo avalia a resposta fornecida pela rede.

Denomina-se ciclo uma apresentao de todos os N pares (entrada e sada) do conjunto


de treinamento no processo de aprendizado. A correo dos pesos num ciclo pode ser
feita de dois modos:

Modo Padro: A correo dos pesos acontece a cada apresentao rede de um


exemplo do conjunto de treinamento. Cada correo de pesos baseia-se somente
no erro do exemplo apresentado naquela iterao. Assim, em cada ciclo ocorrem
N correes.

Modo Batch: Apenas uma correo feita por ciclo. Todos os exemplos do
conjunto de treinamento so apresentados rede, seu erro mdio calculado e a
partir deste erro fazem-se as correes dos pesos.

Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

3.

TREINAMENTO NO SUPERVISIONADO
Neste treinamento da rede usado o aprendizado no supervisionado, conhecido tambm
como aprendizado auto-supervisionado ou de auto-organizao, porque so usados
apenas os valores de entrada. A rede trabalha essas entradas e se organiza de modo que
acabe classificando-as usando, para isso, seus prprios critrios. Esse tipo de rede utiliza
os neurnios como classificadores, e os dados de entrada, como elementos para
classificao.
O processo de classificao fica por conta da rede neural e o seu algoritmo de
aprendizado, denomina-se algoritmo de aprendizado a um conjunto de regras bem
definidas para a soluo de um problema de aprendizado. Existem vrios tipos de
algoritmo de aprendizado, estes diferem entre si principalmente pelo modo como os pesos
so modificados.
A auto-organizao demonstrada nas redes neurais no-supervisionadas, envolve, o
processo de competio e o processo de cooperao entre os neurnios da rede. Muitos
pesquisadores tm utilizado esse tipo de rede como detector de caractersticas, dada sua
capacidade de aprender a discriminar estmulos ocorrendo em partes especialmente
diferentes.
O treinamento pode-se assim dizer, inicia quando um exemplo mostrado rede e
termina quando todas as conexes esto devidamente ajustadas (treinadas) para
reconhecer os exemplos mostrados rede (ou pelo menos uma boa parte dos exemplos).
A partir deste momento a Rede Neural est pronta para a fase de testes e, a seguir, para a
execuo.
Do conjunto de dados que ser submetido rede, pode-se dizer que, quanto mais
completo seja, mais tempo computacional (processamento) ser utilizado para ajustar as
conexes e, certamente, melhor ser o seu treinamento.
Existem diferentes algoritmos de aprendizagem utilizados no treinamento no
supervisionados, entre os mais conhecidos temos a aprendizagem de Hebbian, o
aprendizado competitivo, aprendizado winner-take-all entre outros.
O material relacionado com redes neurais com treinamento no supervisionado
apresentado a continuao.

Material Relacionado
Autores: Jorge M. Barreto
Titulo: Inteligncia Artificial no Limiar do Sculo XXI
Tipo de Publicao: Livro
Dados Complementares: 3a Ed. 2001
Fonte: http://www.inf.ufsc.br/~barreto/LivIA.htm
Informaes Adicionais: O presente livro se divide em duas partes, a primeira com
fundamentos da IA e a Segunda com aplicaes. O autor procura mostrar que IA
penetra em vrios campos de aplicao estando longe a poca em que suas
aplicaes se resumiam a programas astuciosos de jogar xadrez.

Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autor: Bart Kosko.


Titulo: Neural Networks and Fuzzy Logic: A Dinamyc System Approach to Machine
Intelligence.
Tipo de Publicao: Livro
Editor: Prentice Hall, Englewood Cliffs. New Jersey, 1992.
Dados Complementares: 449 pg.
Fonte: BAE k847n
Informaes Adicionais: No Capitulo 4 Synaptic Dynamics I: Unsupervised
Learning, o autor apresentam uma simples rede, ele expe os problemas onde as
redes neurais artificiais tem mais futuro no mundo real: processamento de sinais,
reconhecimento de speech, percepo visual, controle e robtica.
Autores: Jun Wang, Yoshiyasu Takefuji.
Titulo: Neural Networks in Design and Manufacturing.
Tipo de Publicao: Livro
Editor: World Scientific, Singapore, New Jersey, London, Hong Kong, 1993.
Dados Complementares: 290 pg.
Fonte: BAE N398.
Informaes Adicionais: No Capitulo 6 Setup Generation and Feature Sequencing
Using an Unsupervised Learning Algorithm, proposto um algoritmo de
aprendizagem no supervisionado com uma arquitetura incorporando mltiplas
funes objetivos em uma gerao. O algoritmo utiliza regras AND e OR para
caracterizar cluster baseado na direo e no tipo de ferramenta.
Autores: Diego Andina de la Fuente e Antonio Veja Corona
Titulo: Tutorial de Redes Neuronales
Tipo de Publicao: Tutorial
Dados Complementares: Versin Inglesa escrita por Francisco J. Rodrguez. bajo la
supervisin del Dr. William A. Sandham. Versin en alemn escrita por Jens Warken,
de la Universidad de Bremen, Alemania.
Fonte: http://www.gc.ssr.upm.es/inves/neural/ann1/anntutor.htm
Nvel: Muito Bom
Informaes Adicionais: Este tutorial feito para dar ao leitor um bom
conhecimento de redes neurais, faz a explicao muito boa de redes neurais no
supervisionadas, melhorando seu entendimento.
Autores: Ghahramani, Z., Korenberg, A.T. and Hinton, G.E.
Titulo: Scaling in a hierarchical unsupervised network.
Tipo de Publicao: Artigo
Evento: Proceedings of the Ninth International Conference on Artificial Neural
Networks
Dados Complementares: ICANN 99, Vol 1 pages 13-18
Fonte: http://www.cs.toronto.edu/~hinton/absps/scaling.pdf
Palavras-Chave: Non linear generalization, unsupervised learning.
Informaes Adicionais: Os autores geram um modelo para diminuir a dificuldade
da aprendizagem em funo da complexidade do problema, este modelo pode ser
visto como uma generalizao no linear de fator de analise y pode ser implementado
em uma rede neural.
Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Hinton, G.E., and T. Sejnowski (eds)


Titulo: Unsupervised Learning: Foundations of Neural Computation
Tipo de Publicao: Livro
Dados Complementares (volume, nmero, pginas, ano): June 1999, MIT Press
Fonte: http://mitpress.mit.edu
Autores: Hinton, G.E., Becker, S.
Titulo: An unsupervised learning procedure that discovers surfaces in random-dot
stereograms
Tipo de Publicao: Artigo
Evento: Proc. International Joint Conference on Neural Networks, Washington, DC
Ano: 1990
Fonte: http://www.cs.toronto.edu/~hinton/chronological.html
Autores: Pearlmutter, B. A. and Hinton, G. E.
Titulo: G-maximization: An unsupervised learning procedure for discovering
regularities.
Tipo de Publicao: Artigo
Evento: In Denker, J., editor, Neural Networks for Computing, American Institute of
Physics.
Fonte: http://www.cs.toronto.edu/~hinton/chronological.html
Autores: Hinton, G.E. and Zemel, R.S.
Titulo: Minimizing description length in an unsupervised neural network
Tipo de Publicao: Artigo
Dados Complementares: Abril 9, 1996
Fonte: http://www.cs.toronto.edu/~hinton/absps/mdlnn.pdf
Palavras-Chave: Minimum Description Length, Boltzman distribution, Liapunov
function.
Informaes Adicionais: Os autores mostram que o reconhecimento de pesos de
um autoencoder pode ser usado para computar uma aproximao para a distribuio
de Boltzmann, e assim pode ser usado para representaes de aprendizagem
distribuda. Tais representaes podem ser exponencialmente mais eficientes em seu
uso de hardware.
Autores: Robert Proulx & Sylvain Chartier
Titulo: Reproduction of the list length and the list strength effects in unsupervised
neural networks
Tipo de Publicao: Artigo
Evento: in Proceeding of the Second International Conference on Cognitive and
Neural Systems Boston.
Dados Complementares: p.21, 1998
Fonte: http://www.leina.uqam.ca/docpdf/ICCNS.98.pdf
Palavras-Chave: Modelo Eidos,
Informaes Adicionais: Neste artigo os autores apresentam um analise terico do
modelo Eidos e mostram que o modelo pode reproduzir a presena do efeito listlength como a ausncia do efeito list-strength em reconhecimento.

Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Colleen McCarthy and Dr. Hon W. Yau


Titulo: Interactive Simulation of Unsupervised Neural Networks
Tipo de Publicao: Pagina web
Fonte: http://www.npac.syr.edu/REU/reu95/home/mccarthy/poster1.html
Informaes Adicionais: Nesta pagina, os autores apresentam a simulao de uma
rede neural no supervisionada que usa o Principal Component Analysis (PCA) para
comprimir dados e projeta um sistema de reconhecimento de padres. O algoritmo
implementado treina uma rede neural baseado na regra de Sanger com PCA na
matriz de covarincia de imagens treinadas.
Autores: Rauber, A.
Titulo: Cluster Visualization in Unsupervised Neural Networks
Tipo de Publicao: Tese
Evento: Diplomarbeit, Technische Universitt Wien, Austria.
Ano: 1996.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_html/rau_masterth96/thesis.html
Nvel: Bom
Informaes Adicionais: Nesta tese o autor explica toda a arquitetura e o processo
de treinamento bsico e sinala os limites de este modelo em termos de visualizao
do cluster e deteco de limites.
Autores: Andre S. Henriques, Aluizio F.R. Araujo
Titulo: Context and Scale Influencing Clustering through Unsupervised Neural
Networks.
Tipo de Publicao: Artigo
Evento: Vth Brazilian Symposium on Neural Networks, Belo Horizonte, MG, Brazil.
Dados Complementares: December 09 - 11, 1998.
Fonte: http://www.computer.org/proceedings/sbrn/8629/86290235abs.htm
Informaes Adicionais: Neste trabalho os autores propem um modelo de rede
neural para clusterizao no qual a informao acerca da sada desejada dada.
Autores: John Hogden, Elliot Saltzman and Philip Rubin
Titulo: Unsupervised neural networks that use a continuity constraint to track
articulators.
Tipo de Publicao: Artigo
Evento: ASA 124th Meeting New Orleans
Dados Complementares: 1992 October.
Fonte: http://www.auditory.org/asamtgs/asa92nwo/5pSP/5pSP10.html
Autores: Zoubin Ghahramani and Sam Roweis
Titulo: Probabilistic Models for Unsupervised Learning
Tipo de Publicao: Tutorial
Evento: Neural Information Processing Systems
Ano: 1999
Fonte: http://www.gatsby.ucl.ac.uk/~zoubin/nipstut.pdf
Informaes Adicionais: O objetivo principal deste tutorial apresentar de maneira
consistente o modelo de aprendizagem no supervisionado e como uma nica
estrutura pode ser usada para desarrolhar algoritmos de aprendizagem.
Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Foster, DJ & Dayan, P


Titulo: Using unsupervised learning methods to extract structure in value functions.
Tipo de Publicao: Artigo
Evento: Machine Learning, in press.
Fonte: http://www.gatsby.ucl.ac.uk/~dayan/papers/fd00.pdf
Informaes Adicionais: Os autores neste artigo sugerem como encontrar
fragmentaes utilizando mtodos de aprendizado no supervisionado, ou dados
derivados de funes com valor timo para mltiples tarefas, alem mostram que
essas fragmentaes so estruturas no observveis no ambiente.
Autores: Becker, S. and Plumbley, M.
Titulo: Unsupervised Neural Network Learning Procedures For Feature Extraction and
Classification
Tipo de Publicao: Artigo
Evento: International Journal of Applied Intelligence, special issue on neural networks
Dados Complementares: Vol. 6, No. 3, 1996.
Fonte: ftp://claret.psychology.mcmaster.ca/pub/becker/becker-plumbley.pdf
Informaes Adicionais: O autor aplica o processo de aprendizagem de redes
neurais no supervisionadas a tarefas de pr-processamento de dados para extrair
caractersticas para classificao subseqente.
Autores: Becker, S.
Titulo: Unsupervised learning with global objective functions
Tipo de Publicao: Artigo
Evento: in The Handbook of Brain Theory and Neural Networks, M. Arbib (ed).
Dados Complementares: La Jolla, CA: MIT Press, 1995.
Fonte: ftp://claret.psychology.mcmaster.ca/pub/becker/handbook-btnn.ps.gz
Informaes Adicionais: Neste artigo o autor revisa trs tipos de procedimento de
aprendizagem que se podem considerar no supervisionado: algoritmos que
preservam a informao, tcnicas de estimao de densidade e procedimento de
aprendizado baseado em invarincia.
Autores: Marian Stewart Bartlett
Titulo: Face Image Analysis by Unsupervised Learning
Tipo de Publicao: Livro
Dados Complementares: Kluwer International Series on Engineering and Computer
Science, V. 612. Boston: Kluwer Academic Publishers, 2001.
Fonte: http://ergo.ucsd.edu/~marni/
Informaes Adicionais: A autora explora alguns abordagens para analise de
imagem, no livro grfica alguns princpios de aprendizagem no supervisionado e
teoria de informao.
Autores: Zemel, R. S.
Titulo: A Minimum Description Length Framework for Unsupervised Learning.
Tipo de Publicao: Technical Report CRG-TR-93-2, University of Toronto
Dados Complementares: O trabalho est dividido em trs sees.
Fonte: http://www.cs.toronto.edu/pub/zemel/Papers/thesis1.ps.gz
http://www.cs.toronto.edu/pub/zemel/Papers/thesis2.ps.gz
http://www.cs.toronto.edu/pub/zemel/Papers/thesis3.ps.gz
Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Markus Weber, Max Welling & Pietro Perona


Titulo: Unsupervised learning of models for visual object class recognition
Tipo de Publicao: Artigo
Evento: Proceedings of the 6th Annual Joint Symposium on Neural Computation,
JNSC99, Pasadena.
Ano: 1999
Fonte: http://www.cs.toronto.edu/~welling/publications/papers/JNS99_fin.ps.gz
Autores: N M Allinson - Department of Electrical Engineering and Electronics UMIST
Titulo: Pattern Recognition and Neural Networks
Tipo de Publicao: Notas
Ano: 1997
Fonte: http://soft.ee.umist.ac.uk/nigel/neural/SOM1.html
Nvel: Muito Bom
Informaes Adicionais: Estas notas provem uma introduo para redes no
supervisionadas, em particular mapas auto-organizveis de Kohonen, junto com
material fundamental relacionado ao reconhecimento de padres.
Autores: Markus Weber, Max Welling & Pietro Perona
Titulo: Unsupervised Learning of Models for Recognition
Tipo de Publicao: Artigo
Evento: Proc. 6th Europ. Conf. Comp. Vis., ECCV2000, Dublin.
Ano: 2000
Fonte: http://www.cs.toronto.edu/~welling/publications/papers/ECCV00_fin.ps.gz
Autores: J. Meuleman, C. van Kaam
Titulo: Unsupervised image segmentation with neural networks
Tipo de Publicao: Artigo
Evento: ISHS Acta Horticulturae 562: III International Symposium on Sensors in
Horticulture
Fonte: http://www.actahort.org/books/562/562_10.htm
Palavras-Chave: Neural networks, unsupervised learning, recursive partitioning,
image segmentation
Informaes Adicionais: Os autores fazem uma arvore de redes neurais por
divises sucessivas, lodo esta rede treinada usada para segmentao de
imagens.
Autores: Nicolaos B. Karayiannis
Titulo: Integrating the Development of Supervised and Unsupervised Neural Network
Models: Why and How
Tipo de Publicao: Tutorial
Evento: Kolloquium ber Elektronik und Nachrichtentechnik
Ano: 2001-2002
Fonte:
http://www.ifh.ee.ethz.ch/~ballisti/kolloquium/WS-2001-2002/karay-2002Feb15.html
Informaes Adicionais: Este tutorial introduz uma metodologia integrada para
construir modelos de redes neurais supervisionadas e no supervisionadas que
podem ser aplicadas na rea biomdica.
Ana Alvarez Baldomero Luque

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Geoffrey E. Hinton, Terrence J. Sejnowski


Titulo: Unsupervised Learning: Foundations of Neural Computation (Computational
Neuroscience)
Tipo de Publicao: Livro
Dados Complementares: 350 pages, MIT Press; 1st edition (June 11, 1999)
Fonte: http://www.amazon.com/exec/obidos/tg/
i. APRENDIZADO HEBBIANO
Baseado na teoria de Hebb, talvez a mais antiga regra de aprendizado usada, data
do ano de 1949 com a publicao do livro The Organization of Behavior, escrito por
Hebb.
O postulado de Hebb diz que: Quando um neurnio da clula A esta prximo o suficiente
para excitar a clula B, e, repetidamente ou persistentemente participa do processo de
dispar-lo, algum outro processo de crescimento ou mudana metablica ocorre em uma
ou ambas das clulas, tal que a eficincia de A como uma das clulas que dispara B
aumentada
O postulado de Hebb leva ao estabelecimento dos princpios que regem o aprendizado
(De Castro, M. 1996):
Se dois neurnios em cada lado de uma sinapse so ativados simultaneamente, ento a
forca daquela sinapse seletivamente aumentada.
Se dois neurnios em cada lado de uma sinapse so ativados de forma assncrona, ento
a sinapse seletivamente enfraquecida ou limitada.
Modificaes nos pesos sinpticos tendem a cooperar
Uma nica sinapse por si s no pode produzir eventos favorveis, de forma eficiente.
Portanto, necessria a cooperao entre o conjunto de sinapses convergindo a um
particular neurnio e levando sinais suficientemente fortes para ativar o neurnio.
A continuao, o material relacionado com o tema.

Material Relacionado
Autores: De Castro Felippetto Maria Cristina
Titulo: Algoritmo Hebbiano Generalizado para extrao dos componentes principais
de um conjunto de dados no domnio complexo.
Tipo de Publicao: Tese
Dados Complementares: Porto Alegre, Junho 1996.
Fonte: http://www.feng.pucrs.br/~decastro/pdf/C_MasterThesis.pdf
Nvel: Bom
Informaes Adicionais:
Este trabalho apresenta um algoritmo que extrai as componentes principais de um
conjunto de dados de natureza complexa atravs de redes neurais artificiais
complexas treinadas sob uma nova regra de aprendizado Hebbiano no domnio
complexo.

Ana Alvarez Baldomero Luque

1
0

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Bgin, J. et Proulx, R.


Titulo: Categorization in unsupervised neural networks: The EIDOS model
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks
Dados Complementares: vol. 7 no.1, pp.147-154, 1996.
Fonte: http://www.leina.uqam.ca/docpdf/IEEE.pdf
Palavras-Chave: Hebbian learning, Anti-Hebbian learning, auto associative neural
networks, Eidos model.
Informaes Adicionais: Os autores definiram um novo modelo de categorizao: o
modelo Eidos, este modelo utiliza uma regra de aprendizagem que combina a
aprendizagem Hebbian e Anti-Hebbian em uma rede neural auto-associativa no
supervisionada. Eles demostram que o modelo Eidos pode ser uma opo
interessante para conseguir categorizao adaptativa em redes neurais no
supervisionadas.
Autores: Pajares, G; Cruz, JM; Lopez-Orozco, JA
Titulo: Stereo matching using Hebbian learning
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Systems, Man, and Cybernetics. Part B: Cybernetics
[IEEE TRANS SYST MAN CYBERN PART B CYBERN].
Dados Complementares: Vol. 29, no. 4, pp. 553-559. Aug 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Stereo matching; Hebbian learning; Edge segments
Informaes Adicionais: Este artigo apresenta uma abordagem para o problema
local stereo matching usando segmentos da borda como caractersticas com diversos
atributos. Eles introduzem uma estratgia de aprendizagem baseado no aprendizado
Hebbiano para comear no melhor centro do cluster, so feitos analise com diferentes
mtodos de aprendizagem.
Autores: Sommer, Friedrich T; Palm, Guenther
Titulo: Improved bidirectional retrieval of sparse patterns stored by Hebbian learning
Tipo de Publicao: Artigo
Evento: Neural Networks [NEURAL NETWORKS].
Dados Complementares: Vol. 12, no. 2, pp. 281-297. Mar 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Bidirectional associative memory; Neural associative memory;
Hebbian learning
Informaes Adicionais: Neste artigo proposto um novo e eficiente modelo de
estratgia de recuperao bidirecional para tarefas de memria hetero associativa,
onde a informao eficiente definida como uma geral medida de desempenho para
memria associativa bidirecional (BAM em ingls).
Autores: Choy, Clifford Sze-Tsan; Siu, Wan-Chi
Titulo: Analysis of the convergence and divergence of a constrained anti-Hebbian
learning algorithm
Tipo de Publicao: Artigo
Evento: IEEE TRANS CIRCUITS SYST II ANALOG DIGITAL SIGNAL PROCESS.
Dados Complementares: Vol. 45, no. 11, pp. 1494-1502. Nov 1998.
Fonte: http://alt3.csa3.com/
Ana Alvarez Baldomero Luque

11

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Palavras-Chave: Anti-Hebbian learning algorithm; Divergence analysis


Informaes Adicionais: Os autores analizam o efeito da condio inicial em um
algoritmo de aprendizado anti hebbiano sugerido por Gao, Ahmad e Swamy.
Autores: Zhang, Q; Leung, Y-W
Titulo: Convergence of a Hebbian-type learning algorithm
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Circuits and Systems II: Analog and Digital Signal
Processing
Dados Complementares: Vol. 45, no. 12, pp. 1599-1601. Dec 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Hebbian learning.
Informaes Adicionais: Neste artigo, os autores demonstram que algumas
solues do calculo da mdia da equao diferencial do algoritmo de aprendizado
Hebbiano podem se tornar ilimitadas em um tempo finito. Eles derivam cinco
condies suficientes para assegurar que as solues da media da equao
diferencial so limitadas e podem ser estendidas em um intervalo de tempo de zero
ao infinito.
Autores: Frank, Gerald; Hartmann, Georg; Jahnke, Axel; Schaefer, Martin
Titulo: Accelerator for neural networks with pulse-coded model neurons
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL
NETWORKS].
Dados Complementares: Vol. 10, no. 3, pp. 527-538. 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Pulse coded model neurons; Neurocomputers.
Informaes Adicionais: Os autores desenvolvem um acelerador para uma verso
especial de neurnios Frech e Stein com entradas moduladas que vantajoso para
simulaes de sincronizao de mecanismos. Alem, o acelerador fornece uma regra
de aprendizagem Hebbiano e suporta adaptabilidade.
Autores: Chady, Marcin
Titulo: Modelling higher cognitive functions with Hebbian cell assemblies
Tipo de Publicao: Artigo
Evento: 16th National Conference on Artificial Intelligence (AAAI-99), 11th Innovative
Applications of Artificial Intelligence Conference (IAAI-99), Orlando, FL, USA, 07/1807/22/99
Dados Complementares: 943 p. 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Cognitive functions; Hebbian cell assemblies.
Informaes Adicionais: Neste artigo os autores desenvolvem um modelo com
comportamento cognitivo elevado que usa o paradigma do conexionismo, e utilizando
uma abordagem baseada nas propriedades das clulas hebbianas eles tentam
alcanar um sistema auto-organizado capaz de aprender dos dados de entrada e
generalizar as predies baseadas em sua experincia precedente.

Ana Alvarez Baldomero Luque

1
2

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Pomponi, Eraldo; Fiori, Simone; Piazza, Francesco


Titulo: Complex independent component analysis by nonlinear generalized Hebbian
learning with Rayleigh nonlinearity
Tipo de Publicao: Artigo
Evento: IEEE International Conference on Acoustics, Speech, and Signal Processing
(ICASSP-99).
Dados Complementares: Vol. 2, pp. 1077-1080, 1999.
Fonte:. http://alt3.csa3.com/
Palavras-Chave: Generalized Hebbian algorithm; Independent component analysis.
Informaes Adicionais: Este artigo apresenta uma extenso do algoritmo Hebbiano
generalizado de Sanger para o processamento de dados com valores complexos.
Autor: Oja, Erkki
Titulo: From neural learning to independent components
Tipo de Publicao: Artigo
Evento: NEUROCOMPUT.
Dados Complementares: Vol. 22, no. 1-3, pp. 187-199. Nov 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Independent component analysis; Blind source separations; Neural
learnings.
Informaes Adicionais: Os autores enfatizam a conexo dos componentes
independentes de analise (ICA em ingls) aprendizagem neural, especialmente
regra de aprendizagem de Hebbian. Os resultados mostram que as no linearidades
nas regras de aprendizagem so no criticas, mas podem ser escolhidos de modo
que as regras de aprendizagem no s produzam componentes independentes,
tambm outras propriedades desejveis como: a robustez, a convergncia rpida, etc,
contrariamente s funes polinomiais freqentemente utilizadas.
Autores: Van Heijst, JJ; Vos, JE; Bullock, D
Titulo: Development in a biologically inspired spinal neural network for movement
control
Tipo de Publicao: Artigo
Evento: Neural Networks
Dados Complementares: Vol. 11, no. 7-8, pp. 1305-1316. Oct-Nov 1998
Fonte: http://alt3.csa3.com/
Palavras-Chave: Motor control.
Informaes Adicionais: Os autores desenvolvem um modelo de rede neural
complexo para controle de movimento, onde a auto organizao permitida por uma
regra de aprendizagem hebbiana.
Autores: Hung, Chih-Cheng; Coleman, Tommy L; Scheunders, Paul
Titulo: Using genetic differential competitive learning for unsupervised training in
multispectral image classification systems
Tipo de Publicao: Artigo
Evento: IEEE International Conference on Systems, Man, and Cybernetics.
Dados Complementares: Vol. 5, pp. 4482-4485. 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Differential competitive learning (DCL); Differential-Hebbian learning
Ana Alvarez Baldomero Luque

1
3

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Informaes Adicionais: Este artigo descreve um algoritmo de aprendizado


competitivo diferencial que proposto para prevenir fixao no mnimo local e prover
um resultado de treinamento no supervisionado para a classificao de dados
sensados remotamente. A aprendizagem competitiva diferencial (DCL) combina
aprendizado competitivo e aprendizado Hebbiano diferencial.
Autores: Pospichal, J; Kvasnicka, V.
Titulo: Application of 2-bit correlation in hill climbing with learning
Tipo de Publicao: Artigo
Evento: The 2nd Slovak Conference on Artificial Neural Networks SCANN'98, Kosice,
Slovakia, 11/12-19/98
Dados Complementares: Vol. 8, no. 5, pp. 549-561. 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Hill climbing optimization algorithm.
Informaes Adicionais: Neste artigo so discutidas modificaes do algoritmo de
otimizao Standard Hill Climbing considerando caractersticas de aprendizagem. O
conceito bsico de este abordagem o chamado vetor de probabilidade, este vetor
de probabilidade calculado e usado para atualizar os vetores de probabilidade
usados previamente por uma forma anloga da regra de aprendizagem Hebbiana. O
processo repetido at que as entradas do vetor de probabilidade estejam prximas
a zero ou a um.
ii. APRENDIZADO COMPETITIVO
Em certas arquiteturas de redes neurais, os pesos de todos os neurnios de uma
camada so ajustados paralelamente durante o processo de aprendizado (p.e. redes de
perceptrons, treinadas pelo algoritmo Backpropagation). Um diferente tipo de aprendizado
conhecido como aprendizado competitivo, no qual os neurnios de uma camada
competem entre si pelo privilgio de permanecerem ativos, tal que o neurnio com maior
atividade seja o nico a participar do processo de aprendizado. Assim, enquanto uma rede
neural baseada em aprendizado Hebbiano, vrios neurnios de sada podem estar
simultaneamente ativos, no caso do aprendizado competitivo, somente um neurnio de
sada fica ativo a cada vez.
Fundamentalmente existem trs elementos que caracterizam o aprendizado competitivo:

Existe um conjunto de neurnios idnticos, ligados por valores de conexes sinpticas


de valores distribudos de modo aleatrio.

Existe um valor Maximo bem definido para ativao dos neurnios.

Existe um mecanismo que permite que os neurnios entrem em competio pelo


direito de permanecerem excitados.

No aprendizado competitivo, entradas possuindo alguma semelhana tendem a excitar o


mesmo neurnio na sada (Barreto 2001).
Os modelos mais conhecidos de redes neurais artificiais que utilizam aprendizado
competitivo so: A rede contra propagao e a rede auto-organizvel de Kohonen.
E apresentado o material relacionado a seguir.
Ana Alvarez Baldomero Luque

1
4

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Material Relacionado
Autores: Van Hulle, Marc M
Titulo: Density-based clustering with topographic maps
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL
NETWORKS].
Dados Complementares: Vol. 10, no. 1, pp. 204-207. Jan 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Bayesian statistics; Conscience learning; Equiprobabilistic maps.
Nvel: Bom
Informaes Adicionais: Neste artigo introduzido uma nova regra de
aprendizagem competitiva no supervisionada chamada kernel-based Maximum
Entropy learning Rule (kMER) , para formao de mapas topogrficas. Ele compara o
desempeno em clustering do kMER com outras regras de aprendizagem competitiva.
Autores: Wang, Jung-Hua; Peng, Chung-Yun
Titulo: Competitive neural network scheme for learning vector quantization
Tipo de Publicao: Artigo
Evento: Electronics Letters [ELECTRON. LETT.].
Dados Complementares: Vol. 35, no. 9, pp. 725-726. 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Mean absolute error (MAE); Mean square error (MSE)
Informaes Adicionais: Neste artigo apresentado um novo modelo de rede
neural de auto-desenvolvimento, que emprega dois contadores de recurso para
armazenar a atividade do n A rede proposta no somente harmoniza o critrio do
MAE e MSE, tambm evita o dilema da estabilidade e plasticidade.
Relao com temas: Vector quantization; Error analysis; Computer simulation;
Iterative methods.
Autor: Granino A. Korn.
Titulo: Neural Networks and Fuzzy Logic Control on Personal Computers and
Workstations.
Tipo de Publicao: Livro
Editor: The MIT Press Cambridge, Massachusetts, London , England, 1995.
Dados Complementares: 373 pg.
Fonte: BAE k842n
Informaes Adicionais: No Capitulo 6 Unsupervised Competitive learning, o autor
introduz algoritmos de aprendizagem template-matching e deteco de cluster,
tambm ele mostra bastantes exemplos de redes neurais no supervisionados com
aprendizagem competitivo.
Autores: Choy, Clifford Sze-Tsan; Siu, Wan-Chi
Titulo: Class of competitive learning models which avoids neuron underutilization
problem.
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks
Dados Complementares: Vol. 9, no. 6, pp. 1258-1269. Nov 1998.
Fonte: http://alt3.csa3.com/

Ana Alvarez Baldomero Luque

1
5

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Palavras-Chave: Competitive learning models; Neuron underutilization problem.


Informaes Adicionais: Neste artigo, os autores apresentam uma propriedade
qualitativa dos modelos com aprendizagem competitiva, o modelo chamado
multiplicatively biased competitive learning (MBCL).
Relao com temas: Vector quantization; Problem solving; Probability density
function; Computational complexity.
Autores: Behnke, Sven; Karayiannis, Nicolaos B
Titulo: Competitive neural trees for pattern classification
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks
Dados Complementares: Vol. 9, no. 6, pp. 1352-1369. Nov 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Neural trees; Decision tree; Search method
Informaes Adicionais: Este artigo apresenta arvores de redes competitivas
(CNeTs em ingls) para classificao de padres, os autores tambm introduzem
alguns mtodos de busca para o CneT, que so utilizados para treinamento como
para memria.
Relao com temas: Pattern recognition; Learning systems; Vectors; Decision
theory; Algorithms; Computer architecture
Autores: Sidney Antonio A. Viana, Cairo L. Nascimento Jr., Jacques Waldmann
Titulo: Interceptao Visual de Alvos 3D usando Redes Neurais de Aprendizado No
Supervisionado
Tipo de Publicao: Artigo
Evento: IV Congresso Brasileiro de Redes Neurais
Dados Complementares: pp 220-225, July 20-22, 1999 - ITA, So Jos dos Campos
- SP Brasil.
Fonte: http://www.ele.ita.br/cnrn/artigos-4cbrn/4cbrn_047.pdf
Palavras-Chave: Mapas de Kohonen, Aprendizado competitivo.
Nvel: Bom
Informaes Adicionais: Este artigo aplica duas arquiteturas de redes neurais: o
mapa auto-organizado e o aprendizado competitivo para solucionar o problema da
interceptao visual ou rastreamento visual de objetos em sistema que utilizam
cmeras de viso como elemento sensor.
Relao com temas: Sistemas visuais.
Autores: Hung, Chih-Cheng; Coleman, Tommy L; Scheunders, Paul.
Titulo: Using genetic differential competitive learning for unsupervised training in
multispectral image classification systems
Tipo de Publicao: Artigo
Evento: Proc the IEEE International Conference on Systems, Man, and Cybernetics.
Part 5 (of 5), San Diego, CA, USA, 10/11-14/98
Dados Complementares:Vol. 5, pp. 4482-4485. 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Differential competitive learning (DCL); Differential-Hebbian
learning.
Nvel: Bom
Ana Alvarez Baldomero Luque

1
6

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Informaes Adicionais:
O artigo descreve um algoritmo de aprendizado competitivo gentico diferencial, que
proposto para prevenir a fixao do mnimo local. O algoritmo combina aprendizado
competitivo e hebbiano diferencial, e representa uma verso neural de modulao
delta adaptativo.
Relao com temas: Learning algorithms; Delta modulation; Computer simulation
Autores: J. M. Buhmann and T. Hofmann.
Titulo: Robust Vector Quantization by Competitive Learning.
Tipo de Publicao: Artigo
Evento: Proceedings of the International Conference on Accoustics, Speech and
Signal Processing ICASSP'97, Munich.
Ano: 1997
Fonte: http://citeseer.nj.nec.com/buhmann97robust.html
Informaes Adicionais: Os autores utilizam as redes neurais competitivas para
quantizao eficaz de imagem e vdeo, assim eles propem uma nova classe de vetor
de quantizao que desempenha compresso robusto de dados.
Autores: Thomas Hofmann and Joachim M. Buhmann.
Titulo: An Annealed Neural Gas Network for Robust Vector Quantization.
Tipo de Publicao: Artigo
Evento: In C von der Malsburg, W von Seelen, J.C Vorbruggen, and B. Sendhoff,
editors, Artifitial Neural Networks (ICANN '96)
Dados Complementares: Vol. 7, pp. 151-156. Springer, Bochum Germany, July
1996.
Fonte: http://citeseer.nj.nec.com/hofmann96annealed.html
Palavras-Chave: Vector Quantization, Maximum Entropy Vector Quantization.
Informaes Adicionais: Este artigo mostra que o modelo neural gs pode ser
derivado como um robusto vetor de quantizao. Eles avaliam e comparam diferentes
algoritmos de quantizao em uma aplicao de teleconferncia.
Autores: C. Piepenbrock and K. Obermayer
Titulo: The effect of intracortical competition on the formation of topographic maps in
models of Hebbian learning
Tipo de Publicao: Artigo
Evento: Biological-Cybernetics
Dados Complementares: Vol. 82, pp 345-353, 2000.
Fonte: http://citeseer.nj.nec.com/239680.html
Palavras-Chave: Correlation based learning models, self-organizing maps, Hebbian
Learning.
Informaes Adicionais: Os autores estudam o efeito de competio intracortical da
formao de mapas topogrficos em modelos de aprendizagem Hebbiano, sendo os
modelos de aprendizado baseados em correlao (CBL em ingls) y os mapas autoorganizveis (SOM em ingls) classes de modelos hebbianos que tem ambos sido
propostos para explicar a formao de mapas corticais.

Ana Alvarez Baldomero Luque

1
7

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Anke Meyer-Bse


Titulo: Quadratic-Type Lyapunov Functions for Competitive Neural Networks with
Different Time-Scales
Tipo de Publicao: Artigo
Fonte: http://citeseer.nj.nec.com/168601.html
Palavras-Chave: Lyapunov Functions, Competitive Neural Networks.
Informaes Adicionais: Este artigo investiga uma classe especial de redes neurais
lateralmente inibidas. Apresentam uma funo de tipo quadrtica de Lyapunov para o
fluxo de uma rede neural competitiva com variveis dinmicas rpidas e lentas.
1. REDES DE CONTRA PROPAGAO (counterpropagation
em ingls)
Este tipo de rede foi proposta por Robert Nielsen em 1987, sua principal
utilizao em classificao de padres, aproximao de funes, analise estatstica
e aplicaes que requerem compresso de dados.
Segundo Celler a primeira camada funciona com aprendizado competitivo e a
segunda com aprendizado supervisionado e o interessante de este paradigma que
ele permite obter valores das conexes sinpticas de modo algortmico, sem
iteraes.
Quando um vetor de entrada aplicado na camada de entrada de esta rede, pr
processado e propagado para a nica camada intermediaria. Na camada
intermediaria, cada neurnio calcula sua saida (net) e compete com os outros
neurnios da mesma camada para ver quem tem o maior valor. Apenas a unidade
vencedora que manda o seu sinal para os neurnios da camada de saida.
2. REDES DE KOHONEN
Kohonen foi o pioneiro no desenvolvimento da teoria das redes
competitivas, esta rede uma estrutura de duas camadas de neurnios. A primeira
camada a de entrada e seus neurnios esto completamente interconectados aos
neurnios da segunda camada denominada competitiva, que organizada em um
arranjo dependente do objeto a ser mapeado.
Esta rede ser descrita com mais detalhe na seo 4.

iii. APRENDIZADO O VENCEDOR LEVA TUDO (WTA em ingls).


O aprendizado winner-take-all (WTA) baseado na premisa de que as unidades com
menores atividades sero mais inibidas que a unidade com maior atividade, de modo que
esta se torna vencedora da competio, sendo a nica a participar do aprendizado.
O aprendizado WTA esta relacionada com o aprendizado competitivo e as redes de
contrapropagao, e possui grande importncia na formao de redes neurais autoorganizveis.
Ana Alvarez Baldomero Luque

1
8

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Material Relacionado
Autores: Wang, DL
Titulo: Object selection based on oscillatory correlation
Tipo de Publicao: Artigo
Evento: Neural Networks [NEURAL NETWORKS].
Dados Complementares: Vol. 12, no. 4, pp. 579-592. 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Object selection; Oscillatory correlation; Local cooperation
Nvel: Bom
Informaes Adicionais: Neste artigo os autores propem uma arquitetura que
mantm a relao espacial entre as caractersticas de entrada de uma rede winnertake-all (WTA).
Relao com temas: Neural networks; Learning systems; Computer architecture;
Image processing.
Autores: Sum, John PF; Leung, Chi-Sing; Tam, Peter KS; Young, Gilbert H; Kan, WK;
Chan, Lai-wan.
Titulo: Analysis for a class of winner-take-all model
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL
NETWORKS].
Dados Complementares: Vol. 10, no. 1, pp. 64-71. Jan 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Inputless winner-take-all neural networks
Informaes Adicionais: Neste artigo os autores analisam a resposta no tempo para
uma classe de circuito winner-take-all (WTA) que envolve auto deterioro, e mostram
que a resposta no tempo de tal classe de WTA a mesma que de um modelo simples
WTA.
Relao com temas: Electric network analysis; Electric network synthesis;
Mathematical models; Response time (computer systems)
Autores: Lin, Gu; Shi, Bingxue.
Titulo: Novel multifunction voltage-mode sorter based on magnitude
Tipo de Publicao: Artigo
Evento: TIEN TZU HSUEH PAO.
Dados Complementares: Vol. 26, no. 11, pp. 25-28. 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Switched capacitors; Voltage mode sorter
Informaes Adicionais: Os autores propem a fabricao de um classificador
multifuncional de modo voltagem baseada em magnitude. Neste classificador,
circuitos com capacitor comutado so utilizados para sinais de entrada, e para
encontrar o nvel maximo de voltagem so empregadas redes WTA.
Relao com temas: Switching circuits; MOS capacitors.

Ana Alvarez Baldomero Luque

1
9

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

4.

REDE NEURAL DE KOHONEN


i. DEFINIO
O modelo de KOHONEN uma rede neural linear no supervisionada de camada
nica totalmente conectada, cuja sada organizada em uma ou duas dimenses.
Considerando uma rede de duas dimenses, o paradigma de KOHONEN no impe em
absoluto nenhuma forma topolgica podendo ser hexagonal, retangular, triangular, etc.

Fig 01. Exemplo de um mapa de Kohonen com neurnios de sadas usadas de forma
bidimensional.
Nesta figura acima as entradas esto conectadas com as sadas, este "comportamento"
tem por objetivo fazer com que a rede simule uma atividade cerebral.
Conforme KOHONEN (1987), o esquema bsico de um modelo de KOHONEN faz com
que neurnios da camada de sada disputem entre si a representao da informao
apresentada aos neurnios de entrada. Os pesos so dados de acordo com a distncia de
acordo com uma funo do "chapu mexicano" ou Difference of Gaussians (DOG).
Havendo um neurnio vencedor, este reajustado para responder ainda melhor ao
estmulo recebido. Dentro deste modelo no supervisionado, no somente o vencedor,
mas tambm os seus vizinhos (dentro de um senso fsico) so ajustados.

Fig 02: Funo do Difference of Gaussians (DOG).

Ana Alvarez Baldomero Luque

2
0

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

A rede Self Organizing Maps (SOM) de Kohonen realiza um mapeamento de um espao


contnuo de entrada para um espao discreto de sada, onde as propriedades topolgicas
da entrada so preservadas.
Quando a SOM se adapta a entradas de altas dimenses, ela deve se estender e enrolar
para cobrir o espao de entrada.
ii. Material Relacionado classificados de acordo a suas aplicaes

SOM: Imagem e vdeo

Autor: Nikos Papamarkos


Titulo: Color Reduction Using Local Features And A SOFM Neural Network
Tipo de Publicao: Artigo
Fonte: http://ipml.ee.duth.gr/~papamark/color%20reduction.doc.PDF
Palavras-Chave: Color Image Segmentation, Local Features, Neural Networks, SOFM.
Informaes Adicionais: Este artigo prope o uso dos componentes da cor da imagem e
caractersticas locais da imagem para alimentar uma rede neural Self Organizing Feature
Maps (SOFM) de Kohonen. O mtodo aplicvel a qualquer tipo de imagens, so
apresentados diversos resultados experimentais e comparativos que exibem o
desempenho da tcnica proposta.
Autores: Sidney Antonio A. Viana, Cairo L. Nascimento Jr., Jacques Waldmann
Titulo: Interceptao Visual de Alvos 3D usando Redes Neurais de Aprendizado No
Supervisionado
Tipo de Publicao: Artigo
Evento: IV Congresso Brasileiro de Redes Neurais
Dados Complementares: pp 220-225, July 20-22, 1999 - ITA, So Jos dos Campos - SP
Brasil.
Fonte: http://www.ele.ita.br/cnrn/artigos-4cbrn/4cbrn_047.pdf
Palavras-Chave: Mapas de Kohonen, Aprendizado competitivo.
Nvel: Bom
Informaes Adicionais: Este artigo aplica duas arquiteturas de redes neurais: o mapa
auto-organizado e o aprendizado competitivo para solucionar o problema da interceptao
visual ou rastreamento visual de objetos em sistema que utilizam cmeras de viso como
elemento sensor.
Relao com temas: Sistemas visuais.
Autor: Owechko, Y
Titulo: Optical Neural Networks Based On Distributed Holographic Gratings
Tipo de Publicao: Technical Repport
Editor: Hughes Research Labs., Malibu, CA.
Dados Complementares: 94 pginas, ano 1996, Report: HAC-REF-J6305.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Neurocomputer, Perceptron, Kohonen, Backpropagation.
Informaes Adicionais: Este relatrio descreve a pesquisa das redes neurais ticas
executada em laboratrios de pesquisa Hughes, patrocinada por DARPA.
Ana Alvarez Baldomero Luque

2
1

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

O neurocomputador tico desenvolvido baseado em um tipo novo de hologramas


mltiplos. As redes neurais executadas incluem Perceptron, a memria associativa
bidirecional, SOMs de Kohonen, e as redes neurais Backpropagation.
Autor: Hugues Blanger
Titulo: Kohonen Neural Network For The Detection Of Objects Contours In A Graylevel
Image
Tipo de Publicao: Tese
Ano: 1998
Fonte: http://Www.Livia.Etsmtl.Ca/Publications/1998/Th-1998-Belanger.Pdf
Palavras-Chave: Gradient, Noise, Global Processing, Algorithm, Som.
Informaes Adicionais: O trabalho apresenta dois algoritmos dentro de uma estrutura
comum. Trata-se sobre a deteco de objetos de contorno de uma imagem usando mapas
autorganizveis de Kohonen.
Autores: R.Sergi, B.Solaiman and M.C.Mouchot
Titulo: Image Classification Using Principal Components Analysis And Neural Networks
Tipo de Publicao: Artigo
Editor: Quantitative Remote Sensing for Science and Applications IEEE", "New York, NY,
USA 1995".
Dados Complementares: Volume 3, pginas 1927-29, ano 1995.
Fonte: http://citeseer.nj.nec.com/cache/papers/cs/25137/
Palavras-Chave: Self-Organizing Feature Maps, Hybrid Learning Vector Quantization, and
Image Classification.
Informaes Adicionais: Neste artigo, discutida uma aplicao de redes neurais para a
anlise de imagens multiespectrais. Os mtodos da anlise de dados para imagens
remotamente detectadas so baseados principalmente em aproximaes estatsticas, tais
como a probabilidade mxima ou mtodos Bayessianos. Neste caso, a classificao
executada sob a suposio gaussiana. O alvo deste trabalho fazer a classificao do
terreno usando trs mtodos neurais de classificao SOFM, HLVQ e MLP.

SOM: Reconhecimento de padres.

Autor: Lagus, K.
Titulo: Text Retrieval Using Self-Organized Document Maps
Tipo de Publicao: Relatrio tcnico A61
Editor: Helsinki University of Technology, Laboratory of Computer and Information
Science, ISBN 951-22-5145-0.
Ano: 2000.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Information Retrieval, SOM, Text Mining, Document Maps, and LSI.
Informaes Adicionais: Este relatrio descreve como um mapa de textos que esta
organizada automaticamente para a busca e visualizao pode com sucesso ser utilizado
tambm em a recuperao acelerada do original. Alm disso, as experincias na coleo
de CISI indicam o desempenho melhorado comparado ao modelo do espao do vetor de
Salton e ao Latent Semantic Indexing, medido pela preciso mdia ao recuperar um
nmero pequeno, fixo dos mais melhores originais.

Ana Alvarez Baldomero Luque

2
2

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Maurcio Martins, Lamartine Guimares e Leila Maria Fonseca.


Titulo: Classificador de texturas por redes neurais.
Tipo de Publicao: Artigo
Evento: II Congresso Brasileiro de Computao CBComp - Inteligncia Artificial.
Ano: 2002
Fonte: http://www.cbcomp.univali.br/pdf/2002/ina007.pdf.
Palavras-Chave: Redes neurais, mapas auto-organizveis, recuperao de informaes
visuais, recuperao de similaridade, filtros Gabor.
Informaes Adicionais: O trabalho estuda de um classificador de atributos de textura de
imagens de sensoriamento remoto que constitudo de um sistema hbrido composto de
uma rede neural no supervisionada e uma supervisionada. A partir de uma pequena
poro da imagem a rede dever reconhecer qual a classe mais prxima do padro e
identificar as imagens onde se pode identificar padres semelhantes. Os atributos de
textura que formam a base da rede neural so vetores obtidos a partir de imagens
processadas por um banco de filtros Gabor.
Autores: Srinivasa, Narayan; Ahuja, Narendra
Titulo: Topological And Temporal Correlator Network For Spatiotemporal Pattern Learning,
Recognition, And Recall
Tipo de Publicao: Artigo
Editor: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL NETWORKS].
Dados Complementares: volume 10, nmero 2, pginas 2, ano 1999.
Fonte: http://alt3.csa3.com/
Informaes Adicionais: Neste artigo, descreve-se o desenho de uma rede neural
artificial para o reconhecimento de padres. Aplicando os mapas autorganizveis de
Kohonen. Estas caractersticas so usadas para classificar a entrada das categorias
baseadas na rede Fuzzy.
Autores: A. Rauber, D. Merkl, and M. Dittenbach
Titulo: The Growing Hierarchical Self-Organizing Map: Exploratory Analysis of HighDimensional Data
Tipo de Publicao: Artigo
Evento: In: IEEE Transactions on Neural Networks.
Dados Complementares: Vol. 13, No 6, pp. 1331-1341, November 2002
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_tnn02_erratum.pdf
Palavras-Chave: Self-Organizing Map (SOM), Data Mining, Hierarchical Clustering,
Exploratory Data Analysis, Pattern Recognition.
Informaes Adicionais: Os autores apresentam neste artigo uma nova hierarquia para o
mapa auto organizvel que trata as duas grandes limitaes dos mapas auto organizveis
que so: a arquitetura esttica de este modelo e a capacidade limitada para a
representao da relao hierrquica do dado.
Autores: Suganthan, PN
Titulo: Hierarchical Overlapped SOM's For Pattern Classification
Tipo de Publicao: Journal Article
Editor: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL NETWORKS].
Dados Complementares: volume 10, nmero 1, pginas 193 196, ano 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Maps, learning vector quantization (LVQ) 2.
Ana Alvarez Baldomero Luque

2
3

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Informaes Adicionais: Este artigo desenvolve mapas autorganizveis associadas a


esquemas de aprendizagens para aplicaes etiquetadas como classificao de padres.
O algoritmo consiste em uma aprendizagem no supervisionado SOM.
Autores: Morton, PR; Fix, EL; Calhoun, GL
Titulo: Hand Gesture Recognition Using Neural Networks
Tipo de Publicao: Artigo
Editor: Armstrong Lab., Wright-Patterson AFB, OH. Crew Systems Directorate.
Dados Complementares: 36 pginas, ano 1996, Report: AL/CF-SR-1996-0005.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Recognition, Multilayer Perceptron, Kohonen Self-Organizing Feature
Map.
Informaes Adicionais: O objetivo deste artigo explorar a utilidade de uma rede
neural baseada na aproximao ao reconhecimento de gestos das mos. Dois tipos de
redes neurais SOMs e MLP foram explorados. Ambos mostraram melhoras, mas o modelo
do Perceptron mais rpido para a implementao e classificao.
Autores: Kohonen, T., Kaski, S., Lagus, K., Salojrvi, J., Honkela, J., Paatero, V., and
Saarela, A.
Titulo: Self Organization Of A Massive Text Document Collection
Tipo de Publicao: Livro
Dados Complementares: pginas pages 171-182, ano 2001.
Editor: In Oja, E. and Kaski, S., editors Elsevier, Amsterdam.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Large Self-Organizing Maps, Text Exploration, Knowledge Discovery,
Patent Abstracts, And Content-Addressable Search.
Informaes Adicionais: O livro aplica SOM para o mapeamento de documentos,
trabalha sobre uma base de sete milhes de originais de todos os patentes no mundo que
foram escritos em ingls e esto disponveis no formulrio eletrnico, novos efetivos
cdigos e esquemas computacionais do mapeamento so descritos.
Autores: E. F. Vieira and J. D. Ponz
Titulo: Automated Spectral Classification Using Neural Networks
Tipo de Publicao: Artigo
Evento: Astronomical Data Analysis Software and Systems VII,
Dados Complementares: ASP Conference Series, Vol. 145, 1998. Editors: R. Albrecht, R.
N. Hook and H. A. Bushouse.
Fonte: http://www.stsci.edu/stsci/meetings/adassVII/vieirae.html
Palavras-Chave: Neural Networks, Unsupervised classification, Self Organized Maps.
Informaes Adicionais: Este artigo descreve uma aplicao de um mtodo automtico
para o problema de classificao de espectro estelar, os autores exploram dois mtodos
de classificao automtica: classificao usando redes neurais artificiais supervisionadas
e mapas auto-organizveis no supervisionadas.

Ana Alvarez Baldomero Luque

2
4

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autor: Kaski, S.
Titulo: Fast Winner Search For SOM Based Monitoring And Retrieval Of High-Dimensional
Data.
Tipo de Publicao: Artigo
Evento: Proceedings of ICANN99, Ninth International Conference on Artificial Neural
Networks; IEE London.
Dados Complementares: Volume 2, pginas 940-945, ano 1999
Fonte: http://alt3.csa3.com/
Palavras-Chave: Vectors Of The Map, Self-Organizing Maps.
Informaes Adicionais: Neste artigo proposto um mtodo para reduzir a quantidade
de operaes restringindo a busca a determinados subespaos de pequenas dimensiones
do espao original. O mtodo apropriado para as aplicaes em que o mapa pode ser
computado off-line, por exemplo, nos dados que monitoram, classificao, e recuperao
de informao.
Autores: Kohonen, T.
Titulo: Exploration Of Very Large Databases By Self-Organizing Maps.
Tipo de Publicao: Texto
Evento: In Proceedings of ICNN'97, International Conference on Neural Networks, IEEE
Service Center, Piscataway, NJ.
Dados Complementares: pginas PL1-PL6, Ano 1997.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map, Addressable Memory.
Informaes Adicionais: Este texto descreve um sistema de organizao dos dados e
uma memria de direcionamento chamado WEBSOM. uma arquitetura autorganizvel
de duas camadas (SOM) onde os documentos so mapeados como pontos no mapa
superior. As ferramentas padro podem selecionar dos subconjuntos originais do mapa
que so os mais similares mutuamente.

SOM: Tcnicas matemticas.

Autores: Smith, Kate; Palaniswami, Marimuthu; Krishnamoorthy, Mohan


Titulo: Neural Techniques For Combinatorial Optimization With Applications
Tipo de Publicao: Artigo
Editor: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL NETWORKS].
Dados Complementares: Vol. 9, Numero 6, paginas 1301-1318. Nov 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Combinatorial Optimization, Hopfield Networks, Self-Organizing Maps.
Nvel: Bom
Informaes Adicionais: Neste artigo as redes de Hopfield e os mapas autorganizveis
so as duas categorias principais em que as maiorias das aproximaes podem ser
divididas. Este artigo prope duas tcnicas: uma rede de Hopfield que permita a
praticabilidade das solues e qualidade melhorada da soluo com o escape aos
mnimos locais, e uma rede neural auto-organizvel generalizada para resolver uma
classe de problemas combinatrios de otimizao.

Ana Alvarez Baldomero Luque

2
5

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: E. Oja and S. Kaski


Titulo: Kohonen Maps
Tipo de Publicao: Livro
Dados Complementares: Elsevier Science, 1999
Fonte: http://www.elsevier.nl/locate/isbn/0-444-50270-X
Informaes Adicionais: Este livro tem 30 captulos, os quais cobrem o estado atual da
teoria SOM, tal como as conexes de SOM para clusterizao, classificao, modelos
probabilsticos e funes de e energia, alem, muitas aplicaes de SOM so dadas.
Modelos biolgicos relacionados com SOM so discutidos.
Autores: O. Sarzeaud, Y. Stphan, F. Le Corre and L. Kerlguer
Titulo: Neural Meshing Of A Geographical Space In Regard To Oceanographic Data
Location
Tipo de Publicao: Artigo
Ano: 1994
Fonte: http://citeseer.nj.nec.com/cache/papers/cs/20950/
Palavras-Chave: Geographical Area, Kohonens Networks.
Informaes Adicionais: Neste artigo apresenta-se um mtodo para mapear uma rea
geogrfica com respeito s posies oceanogrficas dos dados. O mapa conseguido
usando redes de Kohonen. A idia adaptar a posio dos ns (neurnios)
sucessivamente considerando a posio de cada dados e movendo o n o mais prximo e
seus vizinhos para esta posio. Testa-se este mtodo em uma base de dados
hidrolgicos do nordeste do Oceano Atlntico.
Autores: Jang-Hee Yoo, Byoung-Ho Kang, and Jae- Woo Kim
Titulo: A Clustering Analysis And Learning Rate For Self-Organizing Feature Map
Tipo de Publicao: Artigo
Evento: "Proc. 3rd International Conference on Fuzzy Logic, Neural Nets and Soft
Computing"
Dados Complementares: pginas 79--80, ano 1994.
Fonte: http://citeseer.nj.nec.com/206859.html
Palavras-Chave: Neural Network, Self-Organizing Feature Map, Clustering Analysis.
Informaes Adicionais: Este artigo apresenta o mtodo melhorado da convergncia
usando a taxa de aprendizagem ajustada e a anlise de clusterizao na rede de
Kohonen. Eles propem tambm o mtodo de medio do erro usando a distncia de
Hamming entre padres de cada classe e de centros do conjunto.

SOM: Inteligncia artificial.

Autores: Bengtsson, M
Titulo: Hierarchical Clustering In A Mean Field Theory
Tipo de Publicao: Relatrio cientifico
Editor: Foersvarets Forskningsanstalt, Linkoeping (Sweden). Dept. of Command and
Control Warfare Technology.
Dados Complementares: 23 pginas, ano1996, Report: FOA-R-96-00298-3.4-SE.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Hierarchical Clustering, Kohonen Self-Organizing Map, Standard Vector
Quantization, Gaussian Clusters.
Ana Alvarez Baldomero Luque

2
6

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Informaes Adicionais: Neste relatrio demonstra-se que o vetor de quantizao e o


mapa autorganizvel de Kohonen so incapazes de resolver as tarefas de clusterizao
em uma aproximao mdia do campo.
Autores: H.-U. Bauer, Th. Villmann
Titulo: Growing A Hypercubical Output Space In A Self-Organizing Feature Map
Tipo de Publicao: Relatrio tcnico 95-030
Dados Complementares: volume 8, nmero 2, pginas 218 - 226, ano 1997 "IEEE
Transactions on Neural Networks".
Fonte: http://citeseer.nj.nec.com/cache/papers/cs/1944/
Palavras-Chave: Neighboring Neurons, Kohonens Self-Organizing Feature Map (SOFM),
and GSOM Algorithm.
Informaes Adicionais: O relatrio tcnico refere propriedade de preservao das
vizinhanas, de uma maneira tima durante a aprendizagem, a topologia do espao da
sada tem que aproximadamente combinar a estrutura eficaz do GSOM, que reala um
processo difundido do Self Organizing Feature Map (SOFM).
Autor: Raul Sidnei Wazlawick.
Titulo: Um Modelo Operatrio Para Construo De Conhecimento
Tipo de Publicao: Tese
Ano: 1993
Fonte: http://www.inf.ufsc.br/~raul/publica/tese/
Palavras-Chave: Algoritmos Genticos, Rede Neural no supervisionada, Estruturas
cognitivas.
Nvel: Bom
Informaes Adicionais: Este trabalho procura adaptar aspectos da teoria da cognio
rea de inteligncia de mquina mediante o desenvolvimento de um modelo baseado em
rede neural com aprendizagem no supervisionada e algoritmos genticos.
Autor: Timo Honkela
Titulo: Self-Organizing Maps In Natural Language Processing
Tipo de Publicao: Tese
Ano: 1997
Fonte: http://www.cis.hut.fi/~tho/thesis/
Palavras-Chave: Self-Organizing Maps, Inteligncia Artificial, Processamento Da
Linguagem Natural.
Nvel: Bom
Informaes Adicionais: O tpico central da tese o uso do SOM em processamento da
linguagem natural. A aproximao baseada nos mapas autorganizveis comparada com
os mtodos que so usados extensamente na pesquisa da inteligncia artificial. A rea de
aplicao principal recuperao de informao e Textual Data Mining para o qual um
mtodo especfico baseado em SOM chamado WEBSOM foi desenvolvido.
Autores: R. Hans Phaf Paul Den Dulk Adriaan Tijsseling Ed Lebert
Titulo: Novelty-Dependent Learning And Topological Mapping
Tipo de Publicao: Artigo
Editor: Connection Science
Ano: 2001
Fonte: http://www.tijsseling.com/academic/download/calmmap.pdf
Ana Alvarez Baldomero Luque

2
7

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Palavras-Chave: Self Organizing Feature Map, Winner-Take-All, Activity Bubble.


Informaes Adicionais: Neste artigo trata-se do ordenamento topolgico no
supervisionado, similar ao Self Organizing Feature Map de Kohonen. A competio
Winner-Take-All e a Activity Bubble so tratados na inibio lateral classificada entre
unidades.

SOM: Engenharia na biologia e na medicina.

Autores: Delibasis, KK; Mouravliansky, N; Matsopoulos, GK; Nikita, KS; Marsh, A


Titulo: MR Functional Cardiac Imaging: Segmentation, Measurement And WWW Based
Visualization Of 4D Data
Tipo de Publicao: Artigo
Editor: FUTURE GENER COMPUT SYST.
Dados Complementares: volume 15, nmero 2, pginas 185 193, ano1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Maps (SOM); Seeded Region Growing Algorithms;
Magnetic Resonance Functional Cardiac Imaging
Informaes Adicionais: Neste artigo considera-se o problema da segmentao e da
visualizao ventricular (4D) do SR. Quatro mtodos diferentes so avaliados para o
processo da segmentao dos objetos de interesse: O algoritmo de clusterizao Kmeans, o fuzzy K, o algoritmo (FKM), mapas self-organizing (SOMs).
Autores: Varsta, M; Heikkonen, J; Millan, J
Titulo: Epileptic Activity Detection In EEG With Neural Networks
Tipo de Publicao: Artigo
Editor: Performer: Helsinki Univ. of Technology, Espoo (Finland).
Dados complementares: 13pag. Ano 1997 Report: RR-B-3, ISBN-951-22-3542-0
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Maps (Soms), Multilayer Perceptron (MLP), Quantized
Vectors, Haralick Features.
Informaes Adicionais: Neste artigo os autores propem uma rede neural baseada num
sistema de treinamento para detectar a atividade epilptica. O sistema compreende de
trs componentes principais: caracterizao da extrao, a quantizao da caracterizao,
e a classificao. Os componentes chaves na aproximao proposta so os mapas
autorganizveis (SOMs) usados para quantificar vetores de caracterizao e a rede
multilayer Perceptron (MLP) usada para classificar os vetores quantificados.
Autores: Berrin Yanikoglu ; Burak Erman
Title: Minimum Energy Configurations Of The 2-Dimensional HP-Model Of Proteins By
Self-Organizing Networks
Tipo de Publicao: Artigo
Dados Complementares: volume 9, nmero 4, pginas 613 620, ano 2002
Fonte: Journal of Computational Biology
Palavras-Chave: Self-Organizing Maps (SOM), HH Interactions, Minimum Energy.
Informaes Adicionais: O artigo usa os mapas auto-organizveis (SOM) como uma
ferramenta eficiente para encontrar as configuraes mnimas da energia dos modelos HP
bi-dimensional das protenas. Relata os resultados prometedores para os casos quando a
protena enche completamente, todas as seqncias de teste at 36 aminocidos, o
algoritmo pode encontrar o mnimo global e sua degenerao.
Ana Alvarez Baldomero Luque

2
8

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Kaski, S
Titulo: Data Exploration Using Self-Organizing Maps. Acta Polytechnica Scandinavica
Mathematics, Computing and Management in Engineering Series No. 82
Tipo de Publicao: Artigo
Editor: Helsinki Univ. of Technology, Espoo (Finland). Neural Networks Research Center.
Dados Complementares: 1997. 144pag. Report: MA-82, ISBN-952-5148-13-0.
Fonte: http://alt3.csa3.com/
Palavras-Chave: SOM Algorithms, Electroencephalograms, Data Mining.
Informaes Adicionais: Neste trabalho, a metodologia de usar SOMS para a
explorao, anlise de dados ou Data Mining revisada e desenvolvida ainda mais. As
propriedades dos mapas so comparadas com as propriedades dos mtodos relacionados
para a visualizao de um conjunto de dados multivariveis de elevada dimenso. Em um
conjunto de casos estudados, o algoritmo de SOM aplicado para analisar
eletroencefalogramas. As medidas so propostas para avaliar a qualidade dos diferentes
tipos de mapas numa srie de conjuntos de dados. As mesmas medidas podem tambm
ser usadas comparando o conhecimento que os mapas diferentes representam.

SOM: Teoria de informao

Autores: E. Schweighofer, and A. Rauber, and M. Dittenbach


Titulo: Improving the Quality of Labels for Self-Organising Maps Using Fine-Tuning
Tipo de Publicao: Artigo
Evento: In: Proceedings of the DEXA Workshop on Legal Information Systems and
Applications (LISA01), Munich, Germany, IEEE, 2001.
Dados Complementares: Sept. 4, 2001.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/sch_lisa01.pdf
Informaes Adicionais: Neste artigo mostram o melhoramento da qualidade dos mapas
auto-organizveis.
Autores: Ruiz-del-Solar, Javier
Titulo: TEXSOM: Texture Segmentation Using Self-Organizing Maps
Tipo de Publicao: Artigo
Editor: NEUROCOMPUT.
Dados Complementares: Vol. 21, no. 1-3, paginas 7-18. Oct 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Adaptive-Subspace, Self-Organizing Map, ASSOM..
Informaes Adicionais: Este artigo descreve a arquitetura chamada TEXSOM, uma
arquitetura da segmentao da textura. Nesta arquitetura os filtros orientados so gerados
automaticamente usando o mapa autorganizveis ou o modelo neural supervisionado
ASSOM. A arquitetura proposta tambm apropriada executar a identificao do defeito
em imagens texturadas.
Autores: T. Kohonen, S. Kaski, K. Lagus, J. Salojrvi, J. Honkela, V. Paatero, and A.
Saarela.
Titulo: Self Organization Of A Massive Document Collection
Tipo de Publicao: Artigo
Evento: IEEE Transactions on Neural Networks. Special Issue on Neural Networks for
Data Mining and Knowledge Discovery
Dados Complementares: volume 11, nmero 3, pginas 574-585, ano 2000.
Ana Alvarez Baldomero Luque

2
9

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map, SOM Algorithm, Statistical Representations.
Informaes Adicionais: Este artigo descreve a implementao de um sistema que
possa organizar colees de documentos de acordo com a similaridade textual.
baseado no algoritmo (SOM). O objetivo principal deste trabalho escalar acima do
algoritmo de SOM para poder tratar das quantidades grandes de dados.
Autores: A. Rauber, D. Merkl, and M. Dittenbach
Titulo: The Growing Hierarchical Self-Organizing Map: Exploratory Analysis of HighDimensional Data
Tipo de Publicao: Artigo
Evento: In: IEEE Transactions on Neural Networks.
Dados Complementares: Vol. 13, No 6, pp. 1331-1341, November 2002
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_tnn02_erratum.pdf
Palavras-Chave: Self-Organizing Map (SOM), Data Mining, Hierarchical Clustering,
Exploratory Data Analysis, Pattern Recognition.
Informaes Adicionais: Os autores apresentam neste artigo uma nova hierarquia para o
mapa auto organizvel que trata as duas grandes limitaes dos mapas auto organizveis
que so: a arquitetura esttica de este modelo e a capacidade limitada para a
representao da relao hierrquica do dado.

SOM: Voz

Autores: Kurimo, M
Titulo: Training Mixture Density Hmms With SOM And LVQ
Tipo de Publicao: Artigo
Editor: Performer: Helsinki Univ. of Technology, (Finland). Lab. of Computer and
Information Science.
Dados Complementares: 32 paginas, ano 1997 Report: ISBN-951-22-3423-8.
Fonte: http://alt3.csa3.com/
Palavras-Chave: SOM (Self Organizing Maps), LVQ (Learning Vector Quantization), HMM
(Hidden Markov Models).
Informaes Adicionais: O objetivo deste artigo apresentar experincias e discusses
de como alguns algoritmos da rede neural podem ajudar ao reconhecimento da voz com
modelos misturados de densidade escondia de Markov (MDHMMs). LVQ usada para
aumentar a discriminao entre modelos diferentes do fonema, e SOM aplicado para
fornecer apropriadamente o treinamento e acelerar a convergncia do treinamento real.
Autores: A. Rauber, E. Pampalk, D. Merkl
Titulo: Using Psycho-Acoustic Models and Self-Organizing Maps to Create a Hierarchical
Structuring of Music by Musical Styles
Tipo de Publicao: Artigo
Evento: In: Proceedings of the 3rd International Conference on Music Information
Retrieval (ISMIR 2002), Paris, France.
Dados Complementares: pp. 71-80, October 13-17, 2002.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_ismir02.pdf
Informaes Adicionais: Neste artigo propem uma abordagem para criar
automaticamente uma organizao hierrquica de arquivos musicais seguindo suas
similaridade de sons.
Ana Alvarez Baldomero Luque

3
0

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Hadley, RF; Cardei, VC


Titulo: Acquisition Of The Active-Passive Distinction From Sparse Input And No Error
Feedback
Tipo de Publicao: Relatrio Tcnico no CSS-IS TR97-01
Editor: Simon Fraser University. Center for Systems Science, Burnaby, (British Columbia).
Dados Complementares: pginas 64, ano 1997.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self organizing Map, Feedback.
Informaes Adicionais: Neste relatrio tcnico mostra-se uma rede de processamento
paralelo e atribui o significado das interpretaes tanto em voz ativa e passiva. As
sentenas do treinamento e de teste so geradas de uma forma gramtica recursiva
simples, mas treinado uma vez, a rede ajustada para processar milhares das sentenas
que contm clusulas profundamente encaixadas. So empregados Kohonen e Hebbian
para o treinamento. Os resultados mostram o grau de realizao dos critrios para a
sistematizao sinttica e semntica.
Autores: Ana Cristina Strutzel Antunes.
Titulo: O uso do mapa de kohonen para traado de trajetrias do sinal da fala
Tipo de Publicao: Dissertao de mestrado
Ano: 1993
Fonte: Peridico da CAPES
Palavras-Chave: Visualizao de sinais, mapas auto-organizveis, sinais de fala.
Informaes Adicionais: Este trabalho analisa os melhores mtodos para visualizao
dos sinais da fala, quando distribudos sobre mapas fonotpicos. A visualizao dos
elementos testados, utilizando-se as trajetrias geradas pela quantizao vetorial sobre os
centrides calculados, e as trajetrias geradas pelo algoritmo de kohonen sobre os mapas
auto-organizveis.
Relao com temas: Processamento digital de sinais.

SOM: Controle

Autores: D.A. Karras, S.A. Karkanis and B.G. Mertzios


Titulo: Supervised And Unsupervised Neural Network Methods Applied To Textile Quality
Control Based On Improved Wavelet Feature Extraction Techniques.
Tipo de Publicao: Artigo
Fonte: http://www.di.teilam.gr/staff/KARKANIS/j_MATH.PDF
Palavras-Chave: Neural Networks, Wavelets, Texture, Concurrence matrices, Quality
Control.
Informaes Adicionais: Este artigo investiga as solues ao problema de deteco das
imagens, As solues propostas focalizam-se em detectar defeitos txteis. Uma nova
metodologia investigada mais especificamente para defeitos discriminadores de imagens
aplicando tcnicas de supervisionado e no supervisionados para classificao;
empregando os Perceptrons Multilayer (MLP), treinamento com o algoritmo de
Backpropagation, e as Self Organizing Feature Maps de Kohonen (SOFM)
respectivamente.

Ana Alvarez Baldomero Luque

3
1

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Turhan-Sayan, Gonul; Leblebicioglu, Kemal; Ince, Turker


Titulo: Electromagnetic Target Classification Using Time-Frequency Analysis And Neural
Networks
Tipo de Publicao: Artigo
Editor: Microwave and Optical Technology Letters [MICROWAVE OPT TECHNOL LETT].
Dados Complementares: Vol. 21, no. 1, paginas 63-69. 1999.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Electromagnetic Target Classification; Self-Organizing Maps; Wigner
Distributions.
Informaes Adicionais: Este artigo mostra as vantagens de usar um mapa
autorganizveis (SOM) para o reconhecimento eletromagntico do alvo. A tcnica
proposta da classificao do alvo testada para um jogo de alvos cannicos, indicando
um desempenho excelente nos termos da velocidade em tempo real e da exatido da
classificao, uniformes na presena de dados ruidosos.
Autores: Guilherme de A. Barreto e Aluzio F. R. Arajo
Titulo: Uma rede neural auto-organizvel para processamento de seqncias temporais:
um estudo de caso em robtica
Tipo de Publicao: Artigo
Evento: Anais do XIII Congresso Brasileiro de Automtica (CBA)
Ano: 2000
Fonte: http://www.sel.eesc.sc.usp.br/lasi/www/gbarreto/cba2000b.pdf
Palavras-Chave: Robotics, neural networks, Hebbs learning rule, temporal sequences,
context.
Nvel: Bom
Informaes Adicionais: Neste trabalho os autores propem uma rede auto-organizvel
para aprendizagem e reproduo de seqncias temporais complexas que tem um
mecanismo de redundncia na representao dos itens de uma seqncia, melhora a
robustez da rede a rudos e falhas. O modelo que proposto testado no problema de
rastreamento de trajetrias do rob PUMA 560 e seu funcionamento comparado com
outros modelos neurais existentes.
Relao com temas: Robtica.

SOM: Processamento de sinal

Autores: B. I. Bogdanov, I. I. Yushkov


Titulo: Application Neuron-Like Structures For Acoustic Signals
Tipo de Publicao: Artigo
Ano: 2000
Fonte: http://www.akin.ru/Docs/Rao/Ses10/Am18.PDF
Nvel: Regular
Informaes Adicionais: Neste artigo so tratadas as redes dinmicas de Hopfield o qual
usada como a rede de identificao, ele permite selecionar conjuntos de reas. O
processo de classificao considerado baixo, este processo inclui os mapas
autorganizveis de Kohonens (camada de Kohonen) e as camadas de Grossberg.

Ana Alvarez Baldomero Luque

3
2

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: Varsta, M; Heikkonen, J; Millan, J


Titulo: Context Learning With The Self-Organizing Map
Tipo de Publicao: Artigo
Editor: Performer: Helsinki Univ. of Technology, Espoo (Finland).
Dados Complementares: 1997. 12p. Report: RR-B-4, ISBN-951-22-3543-9.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Maps; Temporal Sequence Processing; Recurrence.
Informaes Adicionais: Neste artigo, um algoritmo Recurrent Self-Organizing Map
(RSOM) proposto para o processamento temporal de seqncias. Os resultados
experimentais do artigo demonstram que o RSOM pode aprender e distinguir seqncias
temporais, e que o algoritmo de RSOM pode ser utilizado, por exemplo, na deteco
epilptica baseada da atividade do eletroencefalograma (EEG).
Autores: Paulo Roberto Dellani, Paulo Srgio Borges e Aldo Von Wangenheim.
Titulo: Implementao De Um Mtodo Para A Classificao De Microcalcificaes
Pleomrficas Invariante A Posio, Escala E Orientao Com Rede Neural De Kohonen
Em Mamografia Convencional.
Tipo de Publicao: Artigo
Evento: Workshop de Informtica aplicada Sade CBComp
Ano: 2001
Fonte: http://www.cbcomp.univali.br/pdf/2001/wsp006.pdf
Palavras-Chave: Microcalcificaes, Redes Neurais, Kohonen, DFT, Matching
Nvel: Bom
Informaes Adicionais: Neste artigo so relatadas experincias e resultados obtidos
com a implementao de um prottipo de software para a classificao de
microcalcificaes pleomrficas detectadas em mamografas convencionais digitalizadas.
O processo de deteco dos sinais de microcalcificaes realizado automaticamente por
um sistema especialista. Os sinais detectados passam por uma seqncia de operaes
at serem classificados por uma rede neural de Kohonen.

SOM: Neurocomputao e documentao

Autores: Guang-Bin Huang, Haroon A. Babri, And Hua-Tian Li


Titulo: Ordering Of Self-Organizing Maps In Multidimensional Cases
Tipo de Publicao: Texto
Editor: Neural Computation MIT Press
Dados Complementares: volume 10, nmero 1, pginas 19 23, ano 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Kohonens Self-Organizing Maps, One-Dimensional.
Informaes Adicionais: O texto discute os mapas autorganizveis de Kohonen nos
casos unidimensional e multidimensional, mostram-se os resultados analisados.
Autores: Klaus Obermaver and Terrence J. Sejnowski
Titulo: Self Organizing Map Formation: Foundations of Neural Computation
Tipo de Publicao: Livro
Dados Complementares: October 2001
Fonte: http://mitpress.mit.edu

Ana Alvarez Baldomero Luque

3
3

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: D. Merkl and A. Rauber.


Titulo: Uncovering the Hierarchical Structure of Text Archives by Using an Unsupervised
Neural Network with Adaptive Architecture.
Tipo de Publicao: Artigo
Evento: Proceedings of the 4th Pacific-Asia Conference on Knowledge Discovery and
Data Mining (PAKDD2000), Kyoto, Japan, Springer Lecture Notes in Artificial Intelligence
(LNCS-LNAI 1805), Springer, Germany, 2000.
Dados Complementares: pp. 384 395, April 18. - 20. 2000.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/mer_pakdd00.pdf
Informaes Adicionais: Neste artigo apresentam o modelo Growing Hierarchical SelfOrganizing Map (GH-SOM), baseado no mapa auto-organizvel.
Autores: M. Dittenbach, A. Rauber, D. Merkl
Titulo: Uncovering Hierarchical Structure in Data Using the Growing Hierarchical SelfOrganizing Map.
Tipo de Publicao: Artigo
Evento: Neurocomputing, Elsevier.
Dados Complementares: Vol. 48, No. 1-4, pp. 199-216, October 2002.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_bibtex/dit_neucomp02.bib
Palavras-Chave: Self-organizing map (SOM), unsupervised hierarchical clustering,
document classification, data mining, exploratory data analysis
Informaes Adicionais: Os autores apresentam o Growing Hiererchical Self-Organizing
Map (GHSOM), um modelo de rede neural baseado em mapas auto-organizveis. A
principal caracterstica de este novo modelo a capacidade de crescimento em termos de
tamanho de mapa e em estrutura tridimensional, para representar uma estrutura
hierrquica presente nos dados de coleo durante um processo de treinamento no
supervisionado.
Autores: Sforna, M; Lamedica, R; Prudenzi, A; Caciotta, M; Orsolini Cencelli, V
Titulo: Neutral Network Based Technique For Short-Term Forecasting Of Anomalous Load
Periods
Tipo de Publicao: Artigo
Editor: Ente Nazionale per l'Energia Elettrica, Milan (Italy).
Dados Complementares: 9 pginas, ano 1995, Report: ENEL-R--449/96, UTI/RM15-5.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Artificial Neural Network, Kohonen's Self-Organizing Map (SOM),
Backpropagation Learning Algorithm.
Informaes Adicionais: O artigo ilustra uma parte da atividade de pesquisa conduzida
por autores no campo de Electric Short Term Load Forecasting (STLF) baseado em
arquiteturas artificiais da rede neural (ANN). Um procedimento especfico baseado em
uma aproximao (no supervisionada/supervisionada) combinada proposto.
Autores: M. Dittenbach, D. Merkl, A. Rauber.
Titulo: Organizing and Exploring High-Dimensional Data with the Growing Hierarchical
Self-Organizing Map.
Tipo de Publicao: Artigo.
Evento: In: Proceedings of the 1st International Conference on Fuzzy Systems and
Knowledge Discovery (FSKD02), Singapore.
Dados Complementares: November 18-22, 2002.
Ana Alvarez Baldomero Luque

3
4

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/dit_fskd02.pdf
Palavras-Chave: Self-organizing map (SOM), data mining, exploratory data analysis
Informaes Adicionais: Neste artigo os autores exploram aplicaes com Data Mining
Relao com temas:.Data Mining.
Autores: Kohonen, Teuvo; Somervuo, Panu
Titulo: Self-Organizing Maps Of Symbol Strings
Tipo de Publicao: Artigo
Editor: NEUROCOMPUT.
Dados Complementares: Vol. 21, no. 1-3, pp. 19-30. Oct 1998.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map (SOM); Learning Vector Quantization (LVQ);
Symbol Strings.
Informaes Adicionais: Neste artigo trata-se os mapas autorganizveis (SOMs), assim
como o aprendizado supervisionado por LVQ que podem ser definidos como caracteres
variveis.
Autores: A. Rauber and D. Merkl.
Titulo: Using self-organizing maps to organize document archives and to characterize
subject matters: How to make a map tell the news of the world
Tipo de Publicao: Artigo
Evento: Proceedings of the 10th Intl. Conf. on Database and Expert Systems Applications
(DEXA'99), Florence, Italy, Lecture Notes in Computer Science (LNCS 1677), Springer.
Dados Complementares: August 30 - September 3, 1999.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_dexa99.pdf
Informaes Adicionais: Os autores apresentam o novo mtodo LabelSOM, que toma
aplicabilidade dos mapas auto-organizveis para organizar uma coleo de documentos.
Autores: Rauber, A.
Titulo: SOMLib: A Distributed Digital Library System Based on Self-Organizing Maps
Tipo de Publicao: Artigo
Evento: Proc 10th Italian Workshop on Neural Nets (WIRN98), Vietri sul Mare, Italy.
Dados Complementares: 1998.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_html/rau_wirn98/wirn98.html
Palavras-Chave: Digital Libraries, Information Retrieval, Self-Organizing Map (SOM).
Informaes Adicionais: Os autores decrevem uma arquitetura para distribuio digital
de um sistema de bibliotecas baseado em uma rede neural no supervisionada.
Autores: Cardei, VC; Hadley, RF
Titulo: Predicting Semantic Categories Using A Hybrid Neural Network
Tipo de Publicao: Relatrio tcnico no CSS-IS TR97-02
Editor: Simon Fraser University. Center for Systems Science, Burnaby, (British Columbia).
Dados Complementares: pginas 20, ano 1997.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Kohonen Map, Hybrid Network.
Informaes Adicionais: Este relatrio tcnico descreve uma rede neural hbrida que
possa predizer as categorias semnticas, apresenta uma descrio geral da rede neural e
a maneira que ele funciona, logo descreve o mapa de sada de Kohonen, finalmente
descreve a estrutura do programa escrito executando a rede hbrida.
Ana Alvarez Baldomero Luque

3
5

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Autores: NERAC, Inc.


Titulo: Self-Organizing Feature Maps. (Latest Citations From The INSPEC Database)
Tipo de Publicao: Relatrio Tcnico
Editor: NERAC, Inc., Tolland, CT. Sponsor: National Technical Information Service,
Springfield, VA.
Ano: 1997
Fonte: http://alt3.csa3.com/
Palavras-Chave: Kohonen's Self-Organizing Feature Map, Vector Quantization, Pattern
Classification.
Informaes Adicionais: Neste relatrio so discutidos os algoritmos autorganizveis, a
execuo digital e paralela, a classificao e o reconhecimento de padres.
Autores: Kohonen, T
Titulo: Self-Organizing Maps Of Symbol Strings
Tipo de Publicao: Relatrio Tcnico
Editor: Helsinki Univ. of Technology, Espoo (Finland). Lab. of Computer and Information
Science. Dados Complementares: 1996, 40pag. Report: ISBN-951-22-3405-X
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Maps; Learning Vector Quantization
Informaes Adicionais: Neste relatrio mostrado que os mapas no supervisionados
(SOMs), assim como os aprendizagens supervisionadas de (LVQ) podem ser definidos
para variveis de cadeia. Se uma medida especial da distncia chamada distncia
caracterstica usada, o vencedor pode ser localizado quase imediatamente pelo mtodo
chamado Redundant Hash Addressing, sem embargo o nmero das computaes do
vencedor quase independente do tamanho de SOM.
Autores: Klaus Obermayer, Terrence J. Sejnowski
Titulo: Self-Organizing Map Formation
Tipo de Publicao: Livro
Editor: The MIT Press
Dados Complementares: 415 paginas, ano 2001, ISBN0-262-65060-6.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map Formation, Branch Of Unsupervised

Learning,

Topographic Maps, and Mapping Algorithms

Nvel: Bom
Informaes Adicionais: Este livro fornece uma vista geral de formao do mapa
autorganizvel no supervisionada, modela a organizao de mapas cortical, analisa
mapas topogrficos e sua formao atravs das funes objetivas, discute as aplicaes
de otimizao e classificao combinatria.
Autores: M. Riesenhuber ; H.-U. Bauer ; D. Brockmann ; T. Geisel
Titulo: Breaking Rotational Symmetry In A Self-Organizing Map Model For Orientation Map
Development
Tipo de Publicao: Livro
Editor: The MIT Press
Dados Complementares: volume 10, nmero 3, pginas 717 730, ano 2000.
Fonte: http://alt3.csa3.com/
Palavras-Chave: Self-Organizing Map, Orientation Map, and Pattern Formation.
Nvel: Bom
Ana Alvarez Baldomero Luque

3
6

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

Informaes Adicionais: O livro discute o comportamento de padres de alta dimenso


do modelo de mapa auto-organizvel, trata-se tambm do desenvolvimento combinado da
orientao e de mapas.
Autores: Helge Ritter, Thomas Martinetz, and Klaus Schulten.
Titulo: Neural Computation And Self-Organizing Maps
Tipo de Publicao: Livro
Editor: Addison-Wesley, New York.
Ano: 1992
Dados Complementares (Titulo 5, 6, pginas 56, 74)
Fonte: http://alt3.csa3.com/
Palavras-Chave: Kohonen's Network Model, Sensory Signals, Ultrasound Frequencies.
Nvel: Bom
Informaes Adicionais: O capitulo cinco descreve o modelo da rede de Kohonen.
Discute como as clulas de uma camada do neurnio coordenam sua sensibilidade aos
sinais sensoriais de tal maneira que suas propriedades da resposta s caractersticas do
sinal variam em uma forma regular com sua posio na camada. Aps alguma informao
de tipo neurofisiolgico e uma formulao matemtica do modelo apresentada. As
simulaes do uma impresso das caractersticas principais do modelo. No capitulo seis
empregado o modelo de Kohonen para simular a projeo do espao das freqncias do
ultra-som no crtex auditora. O crtex auditora a rea do crebro responsvel para a
anlise do som (Kandel e Schwartz, 1985). O texto compara os resultados da simulao
com as medidas disponveis do crtex, tanto como com um clculo analtico.
Autores: H.-U. Bauer, R. Der, M. Herrmann
Titulo: Controling The Magnification Factor Of Self-Organizing Feature Maps
Tipo de Publicao: Livro
Ano: 1995
Fonte: http://citeseer.nj.nec.com/cache/papers/cs/1944/
Palavras-Chave: Kohonens Self-Organizing Feature Map, Adaptive Local Learning,
Perceptual Magnet, Mean Square Distortion Error.
Informaes Adicionais: Este texto apresenta uma extenso do algoritmo Self
Organizing Feature Map o qual utiliza aprendizagem adaptativa local para controlar as
propriedades do mapa. A mudana de um nico parmetro, os mapas com transferncia
de informao tima, com vrios erros mnimos e a ampliao invertida so gerados. Os
resultados analticos neste algoritmo novo so complementados por simulaes
numricas.

SOM: Negcio e administrao

Autores: Gustavo Adolfo Sorensen Cabrera


Titulo: Um Modelo Neural Para Previso De Insolvncia No Sistema Financeiro
Tipo de Publicao: Tese
Dados Complementares: Departamento de Engenharia Eltrica Pontifcia Universidade
Catlica do Rio de Janeiro, Rio de Janeiro, Ano 1998.
Fonte: http://www.bcp.gov.py/gdgi/TESIS/TESIS05GS.pdf
Informaes Adicionais: Esta dissertao investiga a utilizao de Redes Neurais,
especificamente o modelo conhecido como Mapa Auto-Organizvel de Kohonen, na
previso de insolvncia no sistema financeiro.
Ana Alvarez Baldomero Luque

3
7

Rede Neural de Kohonen e Outras Tcnicas para Treinamento No-Supervisionado

SOM: Software

Autores: A. Rauber, P. Tomsich, and D. Merkl.


Titulo: parSOM: A Parallel Implementation of the Self-Organizing Map Exploiting Cache
Effects: Making the SOM Fit for Interactive High-Performance Data Analysis.
Tipo de Publicao: Artigo
Evento: In: Proceedings of the International Joint Conference on Neural Networks 2000
(IJCNN'2000), Como, Italy, 2000.
Dados Complementares: July 24. 27., 2000.
Fonte: http://www.ifs.tuwien.ac.at/ifs/research/pub_pdf/rau_ijcnn00.pdf
Informaes Adicionais: Os autores desenvolvem um software baseado na
implementao paralela de mapas auto-organizveis chamado parSOM, para reduzir o
tempo de treinamento.

Ana Alvarez Baldomero Luque

3
8