Daftar Isi:
- Definisi - Apa yang dimaksud dengan Learning Vector Quantization (LVQ)?
- Techopedia menjelaskan Learning Vector Quantization (LVQ)
Definisi - Apa yang dimaksud dengan Learning Vector Quantization (LVQ)?
Learning vector quantization (LVQ) adalah algoritma yang merupakan jenis jaringan saraf tiruan dan menggunakan komputasi neural. Secara lebih luas, dapat dikatakan sebagai jenis kecerdasan komputasi. Algoritma ini mengambil pendekatan kompetitif, pemenang-mengambil-semua untuk belajar dan juga terkait dengan algoritma jaringan saraf lainnya seperti Perceptron dan back-propagation. Algoritma LVQ memungkinkan seseorang untuk memilih jumlah instance pelatihan yang akan dijalani dan kemudian belajar tentang seperti apa instance tersebut. LVQ ditemukan oleh Teuvo Kohonen dan terkait dengan algoritma tetangga k-terdekat.
Techopedia menjelaskan Learning Vector Quantization (LVQ)
Tujuan dasar dari pembelajaran kuantisasi vektor dalam hal pemrosesan informasi adalah untuk mempersiapkan, dalam domain sampel data yang diamati, satu set vektor codebook. Selanjutnya, vektor-vektor ini kemudian digunakan untuk klasifikasi vektor yang tidak terlihat. Awalnya, kumpulan vektor acak disusun dan mereka kemudian terkena sampel pelatihan. Pada penggunaan strategi pemenang-mengambil-semua, salah satu atau mereka yang paling mirip vektor dengan pola input yang diberikan dipilih. Ini kemudian disesuaikan sedemikian rupa agar lebih dekat dengan vektor input, atau kadang-kadang, lebih jauh dari runner-up. Pada pengulangan proses ini, itu menghasilkan distribusi vektor codebook di ruang input yang dapat mendekati distribusi sampel yang mendasari set data uji. Algoritma ini digunakan untuk pemodelan prediktif.
