Simulated Annealing Technique for Fast Learning of SOM Networks (Articolo in rivista)

Type

• Articolo in rivista (Classe)
• Prodotto della ricerca (Classe)

Label

• Simulated Annealing Technique for Fast Learning of SOM Networks (Articolo in rivista) (literal)

Anno

• 2011-01-01T00:00:00+01:00 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#doi

• 10.1007/s00521-011-0780-6 (literal)

Alternative label

• Alfonso Urso, Riccardo Rizzo, Salvatore Gaglio, Giuseppe Di Fatta, Antonino Fiannaca (2011)
  Simulated Annealing Technique for Fast Learning of SOM Networks
  in Neural computing & applications (Print); Springer, New York (Stati Uniti d'America)
  (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori

• Alfonso Urso, Riccardo Rizzo, Salvatore Gaglio, Giuseppe Di Fatta, Antonino Fiannaca (literal)

Pagina inizio

• 889 (literal)

Pagina fine

• 899 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume

• 22 (literal)

Rivista

• Neural computing & applications (Rivista)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroFascicolo

• 5 (literal)

Note

• ISI Web of Science (WOS) (literal)
• Scopus (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni

• ICAR-CNR, ICAR-CNR, ICAR-CNR, _, _ (literal)

Titolo

• Simulated Annealing Technique for Fast Learning of SOM Networks (literal)

Abstract

• The Self-Organizing Map (SOM) is a popular unsupervised neural network able to provide effective clustering and data visualization for multidimensional input datasets. In this paper, we present an application of the simulated annealing procedure to the SOM learning algorithm with the aim to obtain a fast learning and better performances in terms of quantization error. The proposed learning algorithm is called Fast Learning Self-Organized Map, and it does not affect the easiness of the basic learning algorithm of the standard SOM. The proposed learning algorithm also improves the quality of resulting maps by providing better clustering quality and topology preservation of input multi-dimensional data. Several experiments are used to compare the proposed approach with the original algorithm and some of its modification and speed-up techniques. (literal)

Editore

• Springer (Editore)

Prodotto di

• Institute for high performance computing and networking (ICAR) (Istituto)
• F.A.C.I.L.E. - Framework ad agenti cognitivi per la gestione e fruizione intelligente di informazioni sensoriali, conoscenze e servizi avanzati (ICT.P08.003.001) (Modulo)
• Analisi intelligente dei dati per la bioinformatica (INT.P02.007.001) (Modulo)

Autore CNR

• ANTONINO FIANNACA (Unità di personale esterno)
• RICCARDO RIZZO (Persona)
• ALFONSO URSO (Unità di personale interno)
• SALVATORE GAGLIO (Unità di personale esterno)
• GIUSEPPE DI FATTA (Unità di personale esterno)

Incoming links:

Prodotto

• Institute for high performance computing and networking (ICAR) (Istituto)
• F.A.C.I.L.E. - Framework ad agenti cognitivi per la gestione e fruizione intelligente di informazioni sensoriali, conoscenze e servizi avanzati (ICT.P08.003.001) (Modulo)
• Analisi intelligente dei dati per la bioinformatica (INT.P02.007.001) (Modulo)

Autore CNR di

• ALFONSO URSO (Unità di personale interno)
• RICCARDO RIZZO (Persona)
• ANTONINO FIANNACA (Unità di personale esterno)
• SALVATORE GAGLIO (Unità di personale esterno)
• GIUSEPPE DI FATTA (Unità di personale esterno)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#rivistaDi

• Neural computing & applications (Rivista)

Editore di

• Springer (Editore)