Multidimensional scaling using multilayer perceptron

Abstract

Tämän tutkimuksen tarkoituksena on avata neuroverkon ja moniulotteisen skaalauksen käsitteitä sekä demonstroida kuinka näitä voidaan käyttää yhdessä. Tutkielmassa suoritetaan konstruktio, jossa MLP-verkko koulutetaan moniulotteisen skaalauksen keinoin suorittamaan dimension pienennystä. Algoritmia testataan neljässä eri testitapauksessa.

The objective of this thesis is to introduce the reader to the concepts of neural network and multidimensional scaling and to demonstrate how these two can be used together. The thesis introduces a construction in which a multilayer perceptron is trained by means of multidimensional scaling in order to perform dimensionality reduction. The algorithm is tested in four different test experiments.