On the finite convergence of the NN classification learning on mistakes

The paper establishes an analog of well-known Novikoff’s theorem on the perceptron learning algorithm’s finite convergence in linearly separated classes. We obtain a similar result concerning the nearest neighbor classification algorithm in the case of compact classes in a general metric space for...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2022
Автор:	Norkin, V.I.
Формат:	Стаття
Мова:	English
Опубліковано:	Видавничий дім "Академперіодика" НАН України 2022
Назва видання:	Доповіді НАН України
Теми:	Інформатика та кібернетика
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/184927
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	On the finite convergence of the NN classification learning on mistakes / V.I. Norkin // Доповіді Національної академії наук України. — 2022. — № 1. — С. 34-38. — Бібліогр.: 10 назв. — англ.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-184927
record_format	dspace
fulltext
spelling	irk-123456789-1849272022-08-27T01:26:18Z On the finite convergence of the NN classification learning on mistakes Norkin, V.I. Інформатика та кібернетика The paper establishes an analog of well-known Novikoff’s theorem on the perceptron learning algorithm’s finite convergence in linearly separated classes. We obtain a similar result concerning the nearest neighbor classification algorithm in the case of compact classes in a general metric space for the case of non-intersecting classes. The learning process consists of gradual modification of the algorithm in misclassification cases. The process is studied in the deterministic setting. Classes are understood as compacts in complete metric space, and class separation is defined as the non-intersection of compacts. The number of learning steps is bounded by the number of elements in some ε-net for the considered classes. Встановлено аналог відомої теореми Новікова про скінченну збіжність алгоритму навчання персептрона у випадку лінійно розділених класів. Ми отримуємо аналогічний результат щодо алгоритму класифікації за принципом найближчого сусіда у випадку компактних класів у загальному метричному просторі для класів, що не перетинаються. Процес навчання полягає у поступовій модифікації алгоритму у випадках помилкової класифікації. Процес вивчається в детермінованій постановці. Класи розуміються як компакти в повному метричному просторі. Розділення класів визначається як неперетин компактів. Кількість кроків навчання обмежена числом елементів в деякій ε-сітці для розглянутих класів. 2022 Article On the finite convergence of the NN classification learning on mistakes / V.I. Norkin // Доповіді Національної академії наук України. — 2022. — № 1. — С. 34-38. — Бібліогр.: 10 назв. — англ. 1025-6415 DOI: doi.org/10.15407/dopovidi2022.01.034 http://dspace.nbuv.gov.ua/handle/123456789/184927 519.7 en Доповіді НАН України Видавничий дім "Академперіодика" НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	English
topic	Інформатика та кібернетика Інформатика та кібернетика
spellingShingle	Інформатика та кібернетика Інформатика та кібернетика Norkin, V.I. On the finite convergence of the NN classification learning on mistakes Доповіді НАН України
description	The paper establishes an analog of well-known Novikoff’s theorem on the perceptron learning algorithm’s finite convergence in linearly separated classes. We obtain a similar result concerning the nearest neighbor classification algorithm in the case of compact classes in a general metric space for the case of non-intersecting classes. The learning process consists of gradual modification of the algorithm in misclassification cases. The process is studied in the deterministic setting. Classes are understood as compacts in complete metric space, and class separation is defined as the non-intersection of compacts. The number of learning steps is bounded by the number of elements in some ε-net for the considered classes.
format	Article
author	Norkin, V.I.
author_facet	Norkin, V.I.
author_sort	Norkin, V.I.
title	On the finite convergence of the NN classification learning on mistakes
title_short	On the finite convergence of the NN classification learning on mistakes
title_full	On the finite convergence of the NN classification learning on mistakes
title_fullStr	On the finite convergence of the NN classification learning on mistakes
title_full_unstemmed	On the finite convergence of the NN classification learning on mistakes
title_sort	on the finite convergence of the nn classification learning on mistakes
publisher	Видавничий дім "Академперіодика" НАН України
publishDate	2022
topic_facet	Інформатика та кібернетика
url	http://dspace.nbuv.gov.ua/handle/123456789/184927
citation_txt	On the finite convergence of the NN classification learning on mistakes / V.I. Norkin // Доповіді Національної академії наук України. — 2022. — № 1. — С. 34-38. — Бібліогр.: 10 назв. — англ.
series	Доповіді НАН України
work_keys_str_mv	AT norkinvi onthefiniteconvergenceofthennclassificationlearningonmistakes
first_indexed	2025-07-16T05:27:18Z
last_indexed	2025-07-16T05:27:18Z
_version_	1837780056329420800

On the finite convergence of the NN classification learning on mistakes

Репозитарії

Схожі ресурси