Self-organization by optimizing free-energy

Abstract : We present a variational Expectation-Maximization algorithm to learn probabilistic mixture models. The algorithm is similar to Kohonen's Self-Organizing Map algorithm and not limited to Gaussian mixtures. We maximize the variational free-energy that sums data log-likelihood and Kullback-Leibler divergence between a normalized neighborhood function and the posterior distribution on the components, given data. We illustrate the algorithm with an application on word clustering.
Type de document :
Communication dans un congrès
11th European Symposium on Artificial Neural Networks (ESANN '03), Apr 2003, Bruges, Belgium. pp.125-130, 2003
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger


https://hal.inria.fr/inria-00321491
Contributeur : Jakob Verbeek <>
Soumis le : mardi 8 mars 2011 - 15:02:27
Dernière modification le : lundi 25 septembre 2017 - 10:08:04
Document(s) archivé(s) le : jeudi 9 juin 2011 - 02:44:44

Fichiers

verbeek03esann.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00321491, version 2

Citation

Jakob Verbeek, Nikos Vlassis, Ben Krose. Self-organization by optimizing free-energy. 11th European Symposium on Artificial Neural Networks (ESANN '03), Apr 2003, Bruges, Belgium. pp.125-130, 2003. 〈inria-00321491v2〉

Partager

Métriques

Consultations de la notice

156

Téléchargements de fichiers

202