Kohonen network
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Helsinki University of Technology
- Tipo di organizzazione
- Academia
- Paese
- Finland
- Pubblicato
- 25 July 1981
- Autori
- T Kohonen
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Mathematics
- Compito
- Dimensionality reduction
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 4.1K
- Dati di addestramento
- 4,000 tokens
The input vectors are 3D. I could not find the grid size, but from the images it looks 8x8. So the network was 8x8x3 parameters.
??? Seemingly no info
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited
- Citazioni
- 11,841
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Self-organized formation of topologically correct feature maps
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Kohonen network è stato pubblicato da Helsinki University of Technology, nel paese registrato come Finland, durante July 1981. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Mathematics, ed è registrato come eseguire il compito di dimensionality reduction.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
L'addestramento ha consumato un corpus di circa 4,000 token di testo
Il motivo per cui appare in questo catalogo è: highly cited.
Risposte
Kohonen network — domande comuni
Kohonen network— A cosa serve?
Funziona nel dominio di Mathematics, e viene registrato come gestire il compito di dimensionality reduction. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Kohonen network— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Kohonen network— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
Kohonen network— quanti parametri ha?
Ha un numero di parametri di 4.1K. The input vectors are 3D. I could not find the grid size, but from the images it looks 8x8. So the network was 8x8x3 parameters. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Kohonen network— chi l'ha creato?
È stato pubblicato da Helsinki University of Technology, basato su Finland, un'organizzazione categorizzata come academia.
Kohonen network— quando è stato rilasciato?
È stato pubblicato in July 1981. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.