Dynamisches unüberwachtes Feed Forward Neural Netzwerk Clusterung

Le reti neurali artificiali sono modelli di calcolo ispirati alla neurobiologia, progettati per migliorare e testare analogie computazionali dei neuroni. In una rete neurale feedforward (FFNN), l'elaborazione dei dati avviene in un'unica connessione in avanti, dalla layer di input alla layer di output, senza cicli di retroazione. Il clustering FFNN non supervisionato (UFFNN) possiede straordinarie capacità, come architetture di elaborazione parallela distribuita intrinseca, adattamento dei pesi di connessione per apprendere e raggruppare i dati in categorie significative con obiettivi specifici, classificazione di dati correlati in gruppi simili senza l'uso di etichette di classe, controllo dei dati rumorosi e apprendimento dei tipi di valori dei dati di input basati sui loro pesi e caratteristiche. In generale, i dati dinamici in ambienti reali sono molto ampi e dimensionali, pertanto è necessario sviluppare metodi di clustering UFFNN online dinamici per avere una capacità di apprendimento incrementale online.