1.what is topology?除了甜甜圈和球,能否再說得讓我知道明白?那有何用處?
2.what is fractal?fractal dimension?它和chaos有何關聯?
3.模糊集合?fuzzy logic?
--
秋風清 秋月明
落葉聚還散 寒鴉棲復驚
相思相見知何日 此時此情難為景
入我相思門 知我相思苦
長相思兮長相憶 短相思兮無窮極
早知如此絆人心 何如當初莫相識
--
※ 發信站: 批踢踢實業坊(ptt.csie.ntu.edu.tw)
◆ From: 163.30.216.16
> -------------------------------------------------------------------------- <
作者: Gauss (我是天才.........) 看板: NTU-Zither
標題: Re: 請問忠益學長...
時間: Thu Nov 8 12:23:54 2001
※ 引述《avocet (寒心引秋風)》之銘言：
: 1.what is topology?除了甜甜圈和球,能否再說得讓我知道明白?那有何用處?
topology主要的目的是在做分類
舉個例子
一張A4的紙
你可以把它捲起來把他揉成一團
如果你想像它是有彈性的
甚至可以把它拉成A3那麼大
可是在topology上都是不變的
它還是一張紙
可是如果你在上面戮一個洞
或者是用膠水粘成圓筒
那就不是原來那一張紙了
再舉一個例子
二條橡皮筋
它們有可能是串在一起的也有可能是可以分開的
二條獨立的橡皮筋
不管你把它們打多少結
只要慢慢解總是可以分成二條
所以雖然打了很多結還是和獨立的二條同一類
只是你"看起來"很複雜(這在topology上不關心)
反之 串在一起的二條無論如何總是無法分開
所以它們是在另一類
當然你如果拿剪刀剪就不一樣了
: 2.what is fractal?fractal dimension?它和chaos有何關聯?
: 3.模糊集合?fuzzy logic?
它不認識我 我也不認識它
問問唸資訊的人吧
--
※ 發信站: 批踢踢實業坊(ptt.csie.ntu.edu.tw)
◆ From: 140.112.50.171
> -------------------------------------------------------------------------- <
作者: lyh (大樹樹) 看板: NTU-Zither
標題: Re: 請問忠益學長...
時間: Thu Nov 8 20:48:23 2001
※ 引述《sunnychiu (腦袋空空的)》之銘言：
: ※ 引述《avocet (寒心引秋風)》之銘言：
: 可是它分類的標準是什麼阿?
你是問說分類的方法吧?
嚴格講
應該是聚類(clustering)
而不是分類(classification)
在topology上可看出很多個clusters
映射在網格上的多個clusters是利用" winner takes it all "的演算法則
找出一個東西相對應的輸出節點位置,那一點可以叫做" winner"
完全不用外力干涉
是一種自己找出路的方法
講術語一點,是一種非監督式學習法則(unsupervised learning)
例如
十個男人跟十個女人,映射在topology net 上會有20個點
可能會有10個點成一團,另十個點一團
也就是說,可看出兩個clusters
或許有些點在這兩個clusters中間...
造成有模稜兩可的情形...ambiguity
why? 或許這幾個人是人妖吧...性別特徵不明顯
所以這兩個clusters可大致將這20個人依性別特性分成兩個聚類
至於分類,是更嚴格的定義
比如這10個男人的姓氏依次為 趙錢孫李,周吳鄭王.馮陳..等
classification(or recognition)是將同一個cluster內的男人
再依不同的特徵,例如face, 指紋..., etc. 去把每一個人姓什麼找出來
簡單的說
聚類是分類的前處理
而通常,topology是用來做這樣的前處理
而神經網路或fuzzy theory可用來做分類
這方面的知識在目前有關智慧型系統研究蠻多的
因為人工智慧的熱度一直沒有衰減過
--
※ 發信站: 批踢踢實業坊(ptt.csie.ntu.edu.tw)
◆ From: 140.112.14.77
> -------------------------------------------------------------------------- <
作者: yibeen (似水疑冰) 看板: NTU-Zither
標題: Re: 請問忠益學長...
時間: Fri Nov 9 18:22:21 2001
※ 引述《avocet (寒心引秋風)》之銘言：
: ※ 引述《veritasy (千江有水괩》之銘言：
: : 漏打了一段
: : 沒想到龍哥也開始實行PMPMP
: whats this?
MP: Ma Pea
PMP: Pi Ma Pea
MPMP: Mo Pi Ma Pea
PMPMP: Pin Min Pi Ma Pea
Pea:
n.[C]
1. 【植】豌豆
2. 豌豆莢[P]
3. 豌豆般的東西
Ma:
n.
1. 【口】媽[C]
Pi:
n.
1. 希臘文之第十六個字母
2. 【數】圓周率符號
3. 錯亂的字,混雜活字
Mo:
=moment
Min:
abbr.
1. =minimum
2. =minister
3. =minor(ity)
4. =minute
Pin:
n.[C]
1. 大頭針;別針
2. 飾針;胸針
3. 釘;梢;栓
4. 【口】腿[P]
5. 插頭;(電子管)管腳;引線
6. 瑣碎物,小東西
vt.
1. (用別針等)別住;釘住[O][(+to/on)]
2. 壓住;按住;使不能行動[O]
3. 把...歸罪於,把...歸咎於
--
相信奇蹟 將思念傳遞
--
※ 發信站: 批踢踢實業坊(ptt.csie.ntu.edu.tw)
◆ From: 61.223.6.97
※ 編輯: yibeen 來自: 61.223.6.97 (11/09 18:25)
※ 編輯: yibeen 來自: 61.223.6.97 (11/09 19:11)
> -------------------------------------------------------------------------- <
作者: Gauss (我是天才.........) 看板: NTU-Zither
標題: Re: 請問忠益學長...
時間: Sat Nov 10 13:32:21 2001
※ 引述《lyh (大樹樹)》之銘言：
: ※ 引述《sunnychiu (腦袋空空的)》之銘言：
: : 可是它分類的標準是什麼阿?
: 你是問說分類的方法吧?
: 嚴格講
: 應該是聚類(clustering)
: 而不是分類(classification)
: 在topology上可看出很多個clusters
: 映射在網格上的多個clusters是利用" winner takes it all "的演算法則
: 找出一個東西相對應的輸出節點位置,那一點可以叫做" winner"
: 完全不用外力干涉
: 是一種自己找出路的方法
: 講術語一點,是一種非監督式學習法則(unsupervised learning)
: 例如
: 十個男人跟十個女人,映射在topology net 上會有20個點
: 可能會有10個點成一團,另十個點一團
: 也就是說,可看出兩個clusters
: 或許有些點在這兩個clusters中間...
: 造成有模稜兩可的情形...ambiguity
: why? 或許這幾個人是人妖吧...性別特徵不明顯
: 所以這兩個clusters可大致將這20個人依性別特性分成兩個聚類
: 至於分類,是更嚴格的定義
: 比如這10個男人的姓氏依次為 趙錢孫李,周吳鄭王.馮陳..等
: classification(or recognition)是將同一個cluster內的男人
: 再依不同的特徵,例如face, 指紋..., etc. 去把每一個人姓什麼找出來
: 簡單的說
: 聚類是分類的前處理
: 而通常,topology是用來做這樣的前處理
: 而神經網路或fuzzy theory可用來做分類
: 這方面的知識在目前有關智慧型系統研究蠻多的
: 因為人工智慧的熱度一直沒有衰減過
嗯...你說的分類和聚類其實應該是一樣的
只是看你的標準在哪
就像人可以分成男人女人
也可以分成白人黑人黃種人....等等
以數學的例子來說
一張平放的紙和一張捲起來的紙
就拓樸上來說是一樣的
但是就幾何上而言就有所不同
因為幾何上曲率也是我們所關心的
不過他們有一個層次的關係
就像生物上的界門綱目科屬種
幾何上一樣的拓樸上一定要一樣
所以拓樸是一種比較粗淺的分類
站在不同的位置看世界
就會有不同的感受...
--
※ 發信站: 批踢踢實業坊(ptt.csie.ntu.edu.tw)
◆ From: 140.112.50.84
> -------------------------------------------------------------------------- <
作者: lyh (大樹樹) 看板: NTU-Zither
標題: Re: 請問忠益學長...
時間: Sat Nov 10 14:29:58 2001
※ 引述《Gauss (我是天才.........)》之銘言：
: ※ 引述《lyh (大樹樹)》之銘言：
: : 你是問說分類的方法吧?
: : 嚴格講
: : 應該是聚類(clustering)
: : 而不是分類(classification)
: : 在topology上可看出很多個clusters
: : 映射在網格上的多個clusters是利用" winner takes it all "的演算法則
: : 找出一個東西相對應的輸出節點位置,那一點可以叫做" winner"
: : 完全不用外力干涉
: : 是一種自己找出路的方法
: : 講術語一點,是一種非監督式學習法則(unsupervised learning)
: : 例如
: : 十個男人跟十個女人,映射在topology net 上會有20個點
: : 可能會有10個點成一團,另十個點一團
: : 也就是說,可看出兩個clusters
: : 或許有些點在這兩個clusters中間...
: : 造成有模稜兩可的情形...ambiguity
: : why? 或許這幾個人是人妖吧...性別特徵不明顯
: : 所以這兩個clusters可大致將這20個人依性別特性分成兩個聚類
: : 至於分類,是更嚴格的定義
: : 比如這10個男人的姓氏依次為 趙錢孫李,周吳鄭王.馮陳..等
: : classification(or recognition)是將同一個cluster內的男人
: : 再依不同的特徵,例如face, 指紋..., etc. 去把每一個人姓什麼找出來
: : 簡單的說
: : 聚類是分類的前處理
: : 而通常,topology是用來做這樣的前處理
: : 而神經網路或fuzzy theory可用來做分類
: : 這方面的知識在目前有關智慧型系統研究蠻多的
: : 因為人工智慧的熱度一直沒有衰減過
: 嗯...你說的分類和聚類其實應該是一樣的
: 只是看你的標準在哪
: 就像人可以分成男人女人
: 也可以分成白人黑人黃種人....等等
: 以數學的例子來說
: 一張平放的紙和一張捲起來的紙
: 就拓樸上來說是一樣的
: 但是就幾何上而言就有所不同
: 因為幾何上曲率也是我們所關心的
: 不過他們有一個層次的關係
: 就像生物上的界門綱目科屬種
: 幾何上一樣的拓樸上一定要一樣
: 所以拓樸是一種比較粗淺的分類
~~~~~~~~~~~~
所以才有聚類的定義阿
如果硬要把聚類跟分類講成一樣
就不會有那麼多clustering跟classification的書了
講到這
最近在資料採礦 data mining 的熱潮中
clustering也是作資料前處理的一個很重要的步驟
拓樸,神經網路,模糊理論,遺傳演算法,幾乎都派上用場了
上個月去美國參加一個IEEE研討會
classification 跟 clustering分別有一個session來討論
我剛好present 的就是topology net 用來做clustering的研究啦
呵呵
所以才可以講出一些自己的看法
: 站在不同的位置看世界
: 就會有不同的感受...
嗯
fuzzy thinking
--
※ 發信站: 批踢踢實業坊(ptt.csie.ntu.edu.tw)
◆ From: 163.30.140.42