Sprachliche Mensch-Maschine-Kommunikation

378 22. Künstliche Neuronale Netze
werden.
Der Algorithmus zum Erzeugen eines Kohonen-Netzwerkes sieht wie
folgt aus:
1. erzeuge eine Menge (eine ” Schicht“) von Neuronen Ei mit
Nachbarschaftsbeziehung. z.B. eine zweidimensionales Gitter
mit City-Block-Nachbarschaft, oder ein Wabenmuster etc.
bezeichne N(m, n) die ” Nähe“ zweier Neuronen Em und En (z.B.
1.0 für m = n und 0.0 für zwei Neuronen an entgegengesetzten
Ecken der ” Schicht“)
2. erzeuge für jede Dimension j = 1 . . .d des Ursprungsmerkmalsraums
ein Eingabeneuron Ej, verbinde jedes Eingabeneuron mit
jedem Schicht-Neuron i über das zufällig initialisierte Gewicht
wji
3. für die Eingabe X = (x1, x2, . . .xd) ist die Ausgabe des Neurons
o(Ei) = |(w1i, . . . wdi) − (x1, . . . xd)|
4. Trainingsphase
a) wähle zur Eingabe X
gezeichneten Knoten
=
i
(x1, x2, . . .xd) den aus-
∗ , dessen Gewichtevektor
Wi∗ = (w1i∗, w2i∗, . . . wdi∗) am nächsten zu X liegt, also:
|Wi∗ − X| ≤ |Wi − X|∀i
b) verändere jedes Gewicht wji um einen Werte δji
mit δji = α · N(i, i ∗ ) · (xj − wji)
Die Klassifikation mit so einem Netzwerk geschieht genau so wie bei der
Auswahl des i ∗ im Schritt 4a des obigen Trainingsalgorithmus. Man beachte,
daß hier i ∗ eine zunächst einmal abstrakte Klasse ist, der man ohne weitere
Analyse keinen konkreten ” Namen“ geben kann. Es ist allerdings so, daß
durch den Faktor N(i, i ∗ ) bei der Anpassung der Gewichte benachbarte
Neuronen ähnlich behandelt werden. Dies führt zwangsläufig dazu, daß
benachbarte Neuronen auch ein ähnliches Reaktionsmuster an den Tag legen.
Verwenden wir ein Kohonen-Netz zur Klassifikation von Sprachlauten,
und protokollieren wir für einige bekannte Trainingslaute, welches Neuron
jeweils das i ∗ ist, beziehungsweise bestimmen wir für jedes Neuron, bei