Обучение слоя Гроссберга

Слой Гроссберга обучается относительно просто. Входной вектор, явля-ющийся выходом слоя Кохонена, подается на слой нейронов Гроссберга, и выходы слоя Гроссберга вычисляются, как при нормальном функциониро-вании. Далее, каждый вес корректируется лишь в том случае, если он соеди-нен с нейроном Кохонена, имеющим ненулевой выход. Величина коррекции веса пропорциональна разности между весом и требуемым выходом нейрона Гроссберга, с которым он соединен. В символьной записи

(33)

где k_l – выход l - го нейрона Кохонена (только для одного нейрона Кохонена он отличен от нуля); у_j – j -ая компонента вектора желаемых выходов.

Первоначально b берется равным ~0,1 и затем постепенно уменьшается в процессе обучения.

Отсюда видно, что веса слоя Гроссберга будут сходиться к средним вели-чинам от желаемых выходов, тогда как веса слоя Кохонена обучаются на средних значениях входов. Обучение слоя Гроссберга – это обучение с учи-телем, алгоритм располагает желаемым выходом, по которому он обучается. Обучающийся без учителя, самоорганизующийся слой Кохонена дает выхо-ды в недетерминированных позициях. Они отображаются в желаемые выхо-ды слоем Гроссберга.

6.3.2. Проектирование искусственной нейронной сети встречного распространения

Дата добавления: 2014-12-16