Resumen

Este trabajo demuestra que la factorización matricial no negativa está matemáticamente relacionada con una clase de redes neuronales que emplean la retroalimentación negativa como mecanismo de competencia. Esta observación inspira un novedoso algoritmo de aprendizaje que denominamos Modulación de Entrada Divisiva (DIM). El algoritmo propuesto proporciona un método matemáticamente sencillo y computacionalmente eficiente para el aprendizaje no supervisado de los componentes de la imagen, incluso en condiciones en las que estas características elementales se solapan considerablemente. Para probar el algoritmo propuesto, se introduce una nueva tarea artificial que es similar al problema de las barras, frecuentemente utilizado, pero que emplea cuadrados en lugar de barras para aumentar el grado de solapamiento entre los componentes. Utilizando esta tarea, investigamos el rendimiento del método propuesto en el análisis sintáctico de imágenes artificiales compuestas por rasgos superpuestos, dada la representación correcta de los componentes individuales; y en segundo lugar, investigamos lo bien que puede aprender los componentes elementales a partir de imágenes artificiales de entrenamiento. Comparamos el rendimiento del algoritmo propuesto con sus predecesores, incluidas las variaciones de estos algoritmos que han producido un rendimiento de vanguardia en el problema de las barras. El algoritmo propuesto tiene más éxito que sus predecesores a la hora de tratar el solapamiento y la oclusión en la tarea artificial que se ha utilizado para evaluar el rendimiento.

• Materias:Sistema nervioso Imágenes diagnósticas Cerebro - fisiopatología Neurociencia Cognitiva Trastornos mentales
• Subjects:Nervous systems Diagnostic imaging Brain - pathophysiology Cognitive Neuroscience Mental disorders
• Palabras claves:algoritmo propuesto, algoritmo de aprendizaje novedoso, tarea artificial novedosa, aprendizaje de imagen, imagen artificial de entrenamiento, factorización matricial no negativa, mecanismo de competencia, problema de la barra utilizada, grado de solapamiento, modulación de entrada divisoria
• Keywords:proposed algorithm, novel learning algorithm, novel artificial task, learning of image, artificial training image, nonnegative matrix factorisation, mechanism of competition, used bar problem, degree of overlap, divisive input modulation