The generative self-organizing map: a probabilistic generalization of Kohonen's SOM

Abstract : We present a variational Expectation-Maximization algorithm to learn proba- bilistic mixture models. The algorithm is similar to Kohonen's Self-Organizing Map algorithm and can be applied on any mixture model for which we can find a standard Expectation Maximization algorithm. We maximize the variational free- energy which sums data log-likelihood and Kullback-Leibler divergence between the neighborhood function and the posterior distribution on the components, given data. We illustrate the algorithm with an application on word clustering.
Type de document :
Rapport
[Technical Report] IAS-UVA-02-03, 2002
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger


https://hal.inria.fr/inria-00321505
Contributeur : Jakob Verbeek <>
Soumis le : mercredi 16 février 2011 - 17:09:33
Dernière modification le : lundi 25 septembre 2017 - 10:08:04
Document(s) archivé(s) le : mardi 17 mai 2011 - 02:34:55

Fichiers

verbeek02tr.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00321505, version 1

Collections

Citation

Jakob Verbeek, Nikos Vlassis, Ben Krose. The generative self-organizing map: a probabilistic generalization of Kohonen's SOM. [Technical Report] IAS-UVA-02-03, 2002. 〈inria-00321505〉

Partager

Métriques

Consultations de la notice

243

Téléchargements de fichiers

520