ویکٹر کوانٹائزیشن (Lvq) کیا سیکھ رہا ہے؟ - ٹیکوپیڈیا سے تعریف

تعریف - سیکھنا ویکٹر کوانٹائزیشن (LVQ) کا کیا مطلب ہے؟

سیکھنا ویکٹر کوانٹائزیشن (LVQ) ایک الگورتھم ہے جو مصنوعی اعصابی نیٹ ورک کی ایک قسم ہے اور عصبی حساب کتاب کا استعمال کرتا ہے۔ مزید وسیع پیمانے پر ، اس کو ایک قسم کی کمپیوٹیشنل انٹیلی جنس کہا جاسکتا ہے۔ یہ الگورتھم مسابقتی ، فاتح لیتا ہے اور سیکھنے کے ل all تمام نقطہ نظر کو اپناتا ہے اور اس کا تعلق پرسیپٹرن اور بیک پروپیگنڈیز جیسے دیگر عصبی نیٹ ورک الگورتھم سے بھی ہے۔ LVQ الگورتھم کسی کو تربیت کے مختلف واقعات سے گزرنے کی تعداد کا انتخاب کرنے کی اجازت دیتا ہے اور پھر اس کے بارے میں سیکھتا ہے کہ ان مثالوں کی طرح ہوتی ہے۔ LVQ ایجاد ٹیوو کوہونن نے کی تھی اور اس کا تعلق K کے قریب ترین پڑوسی الگورتھم سے ہے۔

ٹیکوپیڈیا لرننگ ویکٹر کوانٹائزیشن (LVQ) کی وضاحت کرتا ہے

انفارمیشن پروسیسنگ کے معاملے میں ویکٹر کوانٹائزیشن سیکھنے کا بنیادی مقصد مشاہدہ کردہ ڈیٹا نمونوں کے ڈومین میں ، کوڈ بک ویکٹروں کا ایک مجموعہ تیار کرنا ہے۔ مزید یہ کہ ان ویکٹر کو پھر ان ویکٹرز کی درجہ بندی کے لئے استعمال کیا جاتا ہے جو غائب ہیں۔ ابتدائی طور پر ، ویکٹروں کا ایک بے ترتیب تالاب تیار کیا جاتا ہے اور پھر انھیں تربیت کے نمونے سامنے لایا جاتا ہے۔ جیتنے والی تمام حکمت عملی کے ملازمت پر ، یا تو ان میں سے ایک یا ان میں سے جو منتخب کردہ ان پٹ نمونہ کے سب سے زیادہ ملتے جلتے ویکٹر ہیں ان کا انتخاب کیا جاتا ہے۔ پھر ان کو اس طرح ایڈجسٹ کیا جاتا ہے جیسے ان پٹ ویکٹر کے قریب ہونا ، یا کبھی کبھی ، رنر اپ سے کہیں دور رہنا۔ اس عمل کی تکرار پر ، اس کا نتیجہ ان پٹ اسپیس میں کوڈ بک ویکٹروں کی تقسیم کا ہوتا ہے جو ٹیسٹ ڈیٹا سیٹ کے تحت نمونے کی تقسیم کا تخمینہ لگا سکتا ہے۔ یہ الگورتھم پیشن گوئی ماڈلنگ کے لئے استعمال کیا جاتا ہے۔