dlvq(RSNNS)
dlvq()所属R语言包：RSNNS
Create and train a dlvq network
创建，培养了dlvq的网络
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Dynamic learning vector quantization (DLVQ) networks are similar to self-organizing maps (SOM, som). But they perform supervised learning
的动态学习矢量量化（DLVQ）网络自组织映射（SOM，som）。但他们执行监督学习
用法----------Usage----------
## Default S3 method:[默认方法]
dlvq(x, y, initFunc="DLVQ_Weights", initFuncParams=c(1, -1),
learnFunc="Dynamic_LVQ", learnFuncParams=c(0.03, 0.03, 10),
updateFunc="Dynamic_LVQ", updateFuncParams=c(0),
shufflePatterns=TRUE, ...)
参数----------Arguments----------
参数：x
a matrix with training inputs for the network
矩阵的网络培训投入
参数：y
the corresponding target values
对应的目标值
参数：initFunc
the initialization function to use
使用初始化函数
参数：initFuncParams
the parameters for the initialization function
初始化函数的参数
参数：learnFunc
the learning function to use
学习功能使用
参数：learnFuncParams
the parameters for the learning function
学习功能的参数
参数：updateFunc
the update function to use
使用更新功能
参数：updateFuncParams
the parameters for the update function
更新功能的参数
参数：shufflePatterns
should the patterns be shuffled?
应的模式被打乱？
参数：...
additional function parameters (currently not used)
附加功能参数（目前没有使用）
Details
详细信息----------Details----------
dlvq: The input data has to be normalized in order to use DLVQ.
dlvq：输入的数据进行标准化，以便使用DLVQ。
Learning in DLVQ: For each class, a mean vector (prototype) is calculated and stored in a (newly generated) hidden unit. Then, the net is used to classify every pattern by using the nearest prototype. If a pattern gets misclassified as class y instead of class x, the prototype of class y is moved away from the pattern, and the prototype of class x is moved towards the pattern. This procedure is repeated iteratively until no more changes in classification take place. Then, new prototypes are introduced in the net per class as new hidden units, and initialized by the mean vector of misclassified patterns in that class.
学习在DLVQ：对于每个类，一个平均向量（原型）被计算和存储在一个（新生成的）隐藏单元。然后，该网络用于通过使用最接近原型分类每一个图案。如果模式被误判为Y类，而不是类X，Y类的原型是移动距离的格局，移向模式及X类的原型。迭代重复该过程直到没有更多的分类的变化发生。然后，引入新的原型在网每类作为新的隐藏单元，在这个类中的错误分类模式的均值向量初始化。
Network architecture: The network only has one hidden layer, containing one unit for each prototype. The prototypes/hidden units are also called codebook vectors. Because SNNS generates the units automatically, and does not need their number to be specified in advance, the procedure is called dynamic LVQ in SNNS.
网络架构：网络只有一个隐层，每个模型包含一个单位。 /隐藏单位的原型也被称为码本向量。因为SNNS产生单位，自动，并不需要他们事先规定的数量，该过程称为动态的SNNS LVQ。
The default initialization, learning, and update functions are the only ones suitable for this kind of network. The three parameters of the learning function specify two learning rates (for the cases correctly/uncorrectly classified), and the number of cycles the net is trained before mean vectors are calculated.
默认的初始化，学习和更新功能，适合这种网络是唯一的。学习功能的三个参数指定两个学习速率（正确/ uncorrectly分类的情况下），和的周期数的净平均向量计算之前被训练。
A detailed description of the theory and the parameters is available, as always, from the SNNS documentation and the other referenced literature.
的理论和参数的详细说明，一如既往，，从SNNS文件和其他参考文献。
值----------Value----------
dlvq.default: an rsnns object. The fitted.values member contains the activation patterns for all inputs.
dlvq.default：rsnns对象。 fitted.values成员包含的所有输入的激活模式。
参考文献----------References----------
http://www.ra.cs.uni-tuebingen.de/SNNS/
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-28 22:05:34
