Алгоритмы обучения сетей с самоорганизацией - часть 2

При этом, чем дальше какой-либо нейрон находится от победителя, тем меньше изменяются его веса. Процесс уточнения вектора весов может быть определен обобщенной зависимостью, которая здесь представляется в виде

$\begin{align*} w_i \longleftarrow w_i + \alpha G(i,x)[x - w_i] \end{align*}$

для всех нейронов, расположенных в окрестности победителя. Если функция

$G(i,x)$

определяется в форме

$\begin{align*} G(i,x) = \{1 \mbox{ для } i=I, 0 \mbox{ для } i \neq I \}, \end{align*}$

где

$I$

обозначает номер победителя, то мы получаем классический алгоритм WTA. Существует множество вариантов алгоритма WTM, отличающихся прежде всего формой функции

$G(i,x)$

. Для дальнейшего изучения выберем классический алгоритм Кохонена.

Содержание Назад Вперед