Сеть КохоненаСтраница 2
4. Проводим шаг обучения с параметрами h 1=0, h 2=-2.
4. Если вновь вычисленные синаптические веса отличаются от полученных на предыдущем шаге, то переходим к первому шагу алгоритма.
В пояснении нуждается только второй и третий шаги алгоритма. Из рис. 18в видно, что вычисленные на шаге 2.2 алгоритма поправки будут равны нулю для всех нейронов, кроме нейрона, выдавшего минимальный сигнал. У нейрона, выдавшего минимальный сигнал, первые n поправок будут равны координатам распознававшейся точки x , а поправка последнего синапса равна единице. После завершения второго шага алгоритма поправка последнего синапса i- го нейрона будет равна числу точек, отнесенных к i- му классу, а поправки остальных синапсов этого нейрона равны сумме соответствующих координат всех точек i — о класса. Для получения правильных весов остается только разделить все поправки первых n синапсов на поправку последнего синапса, положить последний синапс равным сумме квадратов полученных величин, а остальные синапсы — полученным для них поправкам, умноженным на –2. Именно это и происходит при выполнении третьего шага алгоритма.
Другое по теме
Рекомендации для дальнейших занятий
В конце концов, наилучший способ изучения
конструкций - это наблюдения и практический опыт, который приобретается при
создании и разрушении конструкций. Конечно, возможности любителя довольно
ограничены, ему вряд ли удастся ...