Usage of self-organizing neural networks in evaluation of consumer behaviour
Jana Weinlichová, Jiří Fejfar · Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis · 2014
Tato práce popisuje využití samoorganizující se neuronové sítě pro hodnocení chování spotřebitele. V metodické části hodnotí různé metody učení samoorganizující se neuronové sítě. Na základě porovnání principu učení s učitelem, učení bez učitele a učení s částečným dohledem a jejich omezujících podmínek jsou vysvětleny výhody přístupu učení s částečným dohledem - semi-supervised learning. Při zkoumání učicích algoritmů učení s částečným dohledem učitele: label propagation, self-training a co-training se ukazuje jako vhodné pro budoucí výzkum zejména využití principu co-training pro učení Kohonenovy mapy.Pro konkrétní aplikace na hodnocení výdajů domácností států Evropské unie pro roky 1999 a 2002 byl vybrán princip učení bez učitele. Výsledkem provedené analýzy jsou Kohonenovy mapy, které znázorňují rozložení výdajů jednotlivých států. Tato grafická reprezentace dat umožňuje sledovat kromě zařazení států do několika skupin podobnosti také topologické vztahy mezi těmito daty, grafickou vzdálenost jejich skupin. Z uvedených výsledků vyplývá, že Kohonenova mapa je vhodným nástrojem pro sledování struktury výdajů zemí Evropské unie, rovněž je do budoucna vhodná pro grafické sledování vývoje spotřebitelských výdajů.