arXiv · ML· Seiki Ubukata, Akira Notsu, Katsuhiro Honda·· 5 小时前AI 评分23
SOM-OLP:一种具有优化潜在位置的自组织图
Self-Organizing Maps with Optimized Latent Positions
AI 导读
论文提出SOM-OLP方法,通过为数据点引入连续潜在位置并构建熵正则化目标,解决STVQ在潜节点增多时计算昂贵的问题。 该方法采用块坐标下降方案,闭式更新分配概率、潜在位置及参考向量,保证目标单调非增且单次迭代复杂度为线性。 在16个基准数据集上,SOM-OLP获得最佳平均排名,并展现出良好的可扩展性。
来源:arXiv · ML · arxiv.org