Statistical physics of learning vector quantization

Promotie: dhr. A.W. Witoelar, 11.00 uur, Academiegebouw, Broerstraat 5, Groningen

Proefschrift: Statistical physics of learning vector quantization

Promotor(s): prof.dr. M. Biehl, prof.dr. N. Petkov

Faculteit: Wiskunde en Natuurwetenschappen

 

Leergedrag computer geanalyseerd

Bepaalde computeralgoritmes voor patroonherkenning kunnen worden getraind met behulp van voorbeelden. Dit heet lerende vectorkwantisatie (LVQ).

Ondanks de brede toepassing ervan is het theoretische begrip van LVQ beperkt. In zijn proefschrift construeert Aree Witoelar een theoretisch raamwerk waarbij concepten uit de statistische natuurkunde worden gebruikt voor een exacte analyse van het typische leergedrag van het systeem.

De studies in dit proefschrift vergelijken de karakteristieken van de verschillende LVQ-algoritmen, om zo de robuustheid van neurale gas-schema's en de specifieke voordelen van LVQ 2.1 en robuuste zachte LVQ-algoritmen te demonstreren. Verder wordt verrassend en niet-triviaal gedrag onthuld, inclusief leerplateaus en faseovergangen in het trainingsproces. De resultaten geven inzicht in generieke prototype-gebaseerde leervoorschriften.

Aree Witoelar (Indonesië, 1978) studeerde natuurkunde en sterrenkunde in Groningen. Het onderzoek werd uitgevoerd bij het Johann Bernoulli Institute of Mathematics and Computer Science, afdeling Intelligent Systems.