Approccio metodologico di GAME

GAME è un metodo di apprendimento automatico utilizzabile per compiti di pattern recognition.

Esso trae ispirazione, come già detto, dal RBFNN. In particolare, mentre una rete neurale usa un numero m di funzioni Gaussiane n-dimensionali per modellare la risposta del sistema (dove $m$ è calcolato da un algoritmo di clustering mentre $n$ è la dimensione del vettore di ingresso), GAME utilizza n funzioni mono-dimensionali, una per ogni feature (caratteristica) del vettore di ingresso. In questo modo il sistema può essere addestrato singolarmente su ogni dimensione riducendo il carico computazionale richiesto.

Di seguito vengono descritte le fasi di addestramento e classificazione (con riferimento a [1]). Tutti i concetti qui espressi per compiti generici di pattern recognition verranno ripresi in maggior dettaglio in seguito (Sezione 3.2), nel momento in cui si discuterà in dettaglio del problema specifico della classificazione di testi.