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) |
Сеть Кохонена
Сеть Кохонена была введена Т. Кохоненом в 1982г. Другие названия сети: "самоорганизующаяся карта признаков" (Self–Organizing feature Maps, SOM) KCN (Kohonen Clastering Networks) KCN используется для отображения нелинейных взаимосвязей данных на достаточно легко интерпретируемые (чаще всего двумерные) сетки, представляющие метрические и топологические зависимости входных векторов, объединяемых в кластеры. Сеть Кохонена определяется картой Кохонена, которая служит для отображения нейронной активности в пространство. Сеть Кохонена имеет один слой нейронов. Число входов каждого нейрона равно размерности входного образа. Количество нейронов в слое непосредственно определяет, сколько различных кластеров сеть может распознать. С помощью KCN можно сократить размерность представления многомерных векторов, при этом сохраняя топологию связей между ними. Сеть Кохонена использует конкурентный алгоритм обучения. Для отображения близко взаимодействующих элементов вводится понятие латерального торможения: активность победившего нейрона распространяется на другие нейроны, заставляя их реагировать на входной сигнал (с увеличением расстояния активность уменьшается). При вычислении активности каждого из нейронов необходимо учитывать расстоянии от него до победившего нейрона. Для сглаживания эффекта насыщения вводится параметр скорость обучения μ. Алгоритм обучения сети Кохонена сводится к следующей последовательности действий:
Вычислить усредненное начальное расстояние (обозначим через усредненное расстояние после t итераций) между обучающими векторами и установленными векторами весовых коэффициентов: ,
где N – число примеров в обучающей выборке, j – номер нейрона, для которого расстояние dist = min. Установить размер окрестности для выигравшего нейрона r ("радиус стимуляции").
и тех нейронов s, которые находятся в окрестности выигравшего: , где ; μ – скорость обучения (μ <1).
Подсчитать . Если , где η – априорно заданная положительная пороговая величина, то перейти к п. 9, иначе положить , откорректировать μ, размер окрестности и перейти к п. 2.
В начале для быстрого выделения кластеров скорость обучения μ велика, затем она понижается по мере увеличения расстояния между кластерами.
Для учёта влияния эффекта латерального торможения вводится поправка в формулу : , где - расстояние между победившим и соседним нейроном, r – текущий размер окрестности. Основные недостатки сети Кохонена:
Поэтому более выгодными оказываются комбинированные сети.
Дата добавления: 2014-01-15; Просмотров: 1227; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |