A Novel and Simple Mathematical Transform Improves the Perfomance of Lernmatrix in Pattern Classification

Abstract

The Lernmatrix is a classic associative memory model. The Lernmatrix is capable of executing the pattern classification task, but its performance is not competitive when compared to state-of-the-art classifiers. The main contribution of this paper consists of the proposal of a simple mathematical transform, whose application eliminates the subtractive alterations between patterns. As a consequence, the Lernmatrix performance is significantly improved. To perform the experiments, we selected 20 datasets that are challenging for any classifier, as they exhibit class imbalance. The effectiveness of our proposal was compared against seven supervised classifiers of the most important approaches (Bayes, nearest neighbors, decision trees, logistic function, support vector machines, and neural networks). By choosing balanced accuracy as a performance measure, our proposal obtained the best results in 10 datasets. The elimination of subtractive alterations makes the new model competitive against the best classifiers, and sometimes beats them. After applying the Friedman test and the Holm post hoc test, we can conclude that within a 95% confidence, our proposal competes successfully with the most effective classifiers of the state of the art.

Análisis de bancos de datos médicos y financieros mediante algoritmos de cómputo inteligente

“…Como dato adicional a los resultados mostrados anteriormente, es importante destacar que en (Velázquez-Rodríguez et al, 2020) se muestra una tabla comparativa de rendimiento del reciente algoritmo LM-[9] con bancos de datos diversos mostrando resultados donde supera a algunos algoritmos de clasificación que se incluyeron en este trabajo y donde no quedo en el primer lugar en la recuperación queda muy cerca de los algoritmos que lo superaron. Este dato es importante debido a que el presente trabajo confirma que la LM-[9] puede ser una opción confiable en la clasificación de patrones médicos y financieros.…”

“…Velázquez Rodríguez propone en su artículo (Velázquez-Rodríguez et al, 2020), una transformación matemática simple a el algoritmo asociativo Lernmatrix, dicha transformación elimina las alteraciones sustractivas entre patrones. Mejorando el rendimiento de la Lernmatrix significativamente para la clasificación de patrones, comparando el rendimiento con los algoritmos más significativos en la literatura, utilizando 20 conjuntos de datos con clases desbalanceadas, obteniendo buenos resultados, utilizando la métrica de rendimiento de exactitud balanceada.…”

“…: La Lernmatrix propuesta por Karl Steinbuch (Steinbuch, 1961) desarrollada en 1961 es el primer modelo de memorias asociativas conocido para la clasificación de patrones, sin embargo, el desempeño mostrado por este clasificador resulta poco competitivo si se compara con los algoritmos antes mencionados, sin embargo en un estudio realizado en 2020 (Velázquez-Rodríguez et al, 2020), se propone realizar una modificación a las generalidades con las que trabaja el algoritmo original, respetando las base en las que se fundamenta. Mediante dos transformaciones hechas a los datos de entrada, que son Johnson-Möbius y Tau 9, se logra convertir cualquier número flotante a binario y hace que los patrones de entrada tengan características distintivas para el proceso de la clasificación.…”

“…El hecho que el presente trabajo se haya centrado en patrones médicos y financieros aporta al trabajo original de (Velázquez-Rodríguez et al, 2020). Si bien es cierto los algoritmos aplicados en los bancos de datos usados generaron resultados muy parecidos a la LM-[9] que tienen sus ventajas y desventajas, así como los algoritmos usados aquí las tienen.…”

New Model of Heteroasociative Min Memory Robust to Acquisition Noise

“…Thanks to the versatility of associative memories, they have been implemented to solve pattern recognition problems in different areas such as robotics [22][23][24], medicine [25][26][27], among others [20,[28][29][30][31][32][33][34][35][36][37][38] . One should point out that the first associative memory presented in the state of the art, that is, the Lernmatrix [1], is the basis of the associative classifier LMτ9 and has proven to be such a competitive classifier with most used algorithms in machine learning [39,40]. Owing to their versatility, associative memories have continued to be the subject of research for the last decade [20,[22][23][24][25][26][27][28][29][30][31][32][33][35][36][37][41][42][43][44][45][46][47][48][49]…”