Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
1. Инициализировать все веса w ji случайными числами. Нормировать все веса<br />
w ji и входные сигналы x j .<br />
2. Для очередного входного вектора в конкурирующем выходном слое найти<br />
нейрон-победитель i* с наименьшим до него расстоянием d i :<br />
d<br />
i<br />
=<br />
M<br />
∑<br />
j=<br />
1<br />
2<br />
( x − w ) . (35)<br />
j<br />
ji<br />
Заметим, что в случае нормированных w ji и x j минимизация d i эквивалентна<br />
максимизации сетевого входа a i :<br />
a<br />
i<br />
=<br />
M<br />
∑<br />
j=<br />
1<br />
x<br />
j<br />
w<br />
ji<br />
(36)<br />
3. Для всех нейронов выходного конкурирующего слоя адаптировать веса<br />
связей, идущих к ним:<br />
w<br />
( t+<br />
1)<br />
ji<br />
= w<br />
( t)<br />
ji<br />
( t)<br />
( t)<br />
+ α ⋅γ<br />
⋅(<br />
x − w ) , (37)<br />
j<br />
ji<br />
где: α (t) – параметр скорости обучения (в интервале от 0 до 1), который<br />
уменьшают по ходу обучения; γ (t) – функция соседства, которая кодирует<br />
понижение влияния нейрона при увеличении топологического расстояния<br />
до него:<br />
γ<br />
exp( * i<br />
= − ) , (38)<br />
( t)<br />
( σ )<br />
2<br />
( t)<br />
r i<br />
где: r i*i – топологическое расстояние между нейроном-победителем i* и<br />
текущим нейроном i; σ (t) – радиус соседства, значение которого также<br />
уменьшают по мере обучения нейросети.<br />
4. Пункты 1-3 повторять до тех пор, пока все вектора из обучающей выборки<br />
не будут предъявлены нейросети определенное число раз.<br />
Таким образом, при обучении нейросети Кохонена происходит самоорганизация<br />
конкурирующего выходного слоя нейронов, в результате которой близкие<br />
входные вектора оказываются отображенными из исходного многомерного<br />
пространства в расположенную на плоскости (либо на поверхности тора) решетку<br />
нейронов таким образом, чтобы близким входным векторам соответствовали<br />
топологически близкие выходные нейроны. У обученной нейросети Кохонена<br />
веса связей, входящих в нейроны, практически совпадают с усреднен-<br />
36