Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Самоорганизация в НС

Самоорганизующиеся нейронные сети

Основная цель самоорганизации в НС – создание условий выживания организмов в определённых условиях.

Под самоорганизацией понимается процесс разбиения входного пространства на области (кластеры) таким образом, чтобы при поступлении новых данных в виде входных векторов их можно было идентифицировать (разнести по кластерам).

Для двухмерного пространства существует оптимальное разделение (Voronoj): правильные многоугольники, в узлах (в центре многоугольников) которых – нейроны. При подаче нового вектора на вход системы определяется расстояние между входным вектором и каждым из нейронов. При отнесении вектора к какому-либо классу точность определяется допуском.

С. Гроссбергом было доказано, что оптимальное разбиение существует только для двухмерного пространства. Также им были предложены определённые алгоритмы, с помощью которых можно разделить n -мерное пространство.

Для построения кластеров необходимо произвести обучение сети.

Различают обучение с учителем и без учителя. Ранее нами были изучены алгоритмы обучения с учителем. Рассмотрим алгоритмы обучения без учителя, которые также называются алгоритмами объективной классификации.

Для реализации алгоритмов обучения без учителя необходимо:

1. выбрать способ разбиения объектов на классы;

2. выработать правила отнесения входного образа к определённому классу.

НС, работа которых основана на использовании алгоритма объективной классификации, свойственен принцип самообучения или самоорганизации.

Суть самообучения:

1. при обучении правильные ответы сети не сообщаются;

2. во время процедуры обучения происходит формирование кластеров на основе обобщения имеющейся входной информации, сосредоточенной в обучающей выборке;

3. обученная сеть относит новый входной вектор к одному из кластеров, руководствуясь некоторым критерием сходства.

К НС, обучающимся без учителя (НС объективной классификации или НС с самоорганизацией), можно отнести следующие нейронные сети:

· сети Кохонена

· ART-сети

· ART MAP

Процесс разбиения некоторого множества объектов на классы с целью решения задач классификации и распознавания называется кластеризацией.

Процесс кластеризации реализуется в алгоритмах обучения без учителя.

Критерием разбиения служит некоторая мера близости или сходства. Кластеризация и обучение проводится на основе определённых математических методов, использующих соответствующие им математические модели пространства объектов.

Например, объекты – n -мерные векторы X = (x1, x2,…,xn), в качестве меры близости двух объектов Х1 и Х2 можно принять:

· евклидово расстояние между ними

· максимальную разность значений компонент векторных описаний

· скалярное произведение двух векторов

Введенные меры сходства могут служить критерием для отнесения некоторого объекта к соответствующему классу.

 

<== предыдущая лекция | следующая лекция ==>
Сеть Хемминга | Конкурентное обучение
Поделиться с друзьями:


Дата добавления: 2014-01-15; Просмотров: 305; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.013 сек.