Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Вход каждого нейрона характеризуется весовым вектором той же размерности, что и входной. Число параметров сети определяется n*k, где n –число входов; k –число нейронов. Свойства сети определяются размерностью массива нейронов, числом нейронов в каждом измерении, формой окрестности выигравшего нейрона, законом сжатия окрестности и скоростью обучения. Начальный размер окрестности выбирается в пределах от 1/2 до 2/3 размера сети и сокращается, например, по обратно пропорциональной зависимости.
1. Инициализировать весовые коэффициенты для всех выходных нейронов (матрица Wkn) cлучайными малыми величинами. Вычислить усредненное начальное расстояние между обучающими векторами D0.
N
D0 =1/N *∑min dist(Xi, Wjn ), (2)
i=1
где N -число примеров обучающей выборки;
j- номер нейрона для которого расстояние dist min.
Установить размер окрестности для выигравшего нейрона r (радиус стимуляции).
2. Положить D0 =Dt
3. Подать на вход сети очередной входной вектор Xt(t), где t- номер итерации.
4. Для каждого нейрона j определить его расстояние dist(Xi, Wjn) по формуле (1) для любого j.
5. Выбрать нейрон–победитель m=m*, для которого расстояние минимально. Поиск ведется по величине отклонения входного вектора от весового вектора каждого нейрона.
6. Модифицировать весовые коэффициенты выигравшего нейрона
Wm* (t+1)= Wm (t) + μ* dist(Xi (t), Wmn (t)) (3)
и тех нейронов s, которые находятся в окрестности выигравшего
Wj (t+1)= Wj (t) + μ* dist(Xi (t), Wmn (t)) (4)
7. Повторить п.3-6 для векторов обучающей выборки.
8. Положить Wkn (t) (t+1)= Wkn (t) и вычислить Dt по формуле (2). Подсчитать ε= (Dt+1, Dt)/ Dt.
Если ε=< η, где η –априорно заданная положительная пороговая величина, то перейти к п.9, иначе t=(t+1), изменить μ, размер окрестности (рис.2) и перейти к п.2
9. Конец
Изменение скорости обучения Изменение радиуса окрестности
Рис.2
Дата публикования: 2014-10-18; Прочитано: 576 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!