Конкурентное обучение

При конкурентном обучении, в отличие от, например, обучения Хебба, в фиксированный момент времени в возбужденном состоянии может находиться только один нейрон выходного слоя. В связи с этим конкурентные сети часто применяются для решения задач классификации входных образов.

Конкурентное обучение строится на основании следующих принципов:

- Все нейроны выходного слоя одинаковы и имеют в начальный момент времени случайные значения весов.

- Существует предельное значение выходного сигнала каждого нейрона.

- Существует механизм, определяющий нейрон, победивший в борьбе за право генерировать выходной сигнал. Принцип конкуренции можно сформулировать как «победитель получает все»

Механизм конкуренции может формироваться за счет введения отрицательных обратных связей, обеспечивающих латеральное торможение, когда каждый нейрон стремится затормозить связанные с ним нейроны (рис. 7.11).

Рис. 7.11. Сеть конкурентного обучения

Для того, чтобы нейрон выходного слоя победил в конкурентной борьбе, его индуцированное локальное поле должно быть максимальным среди всех нейронов выходного слоя. Таким образом, выходной сигнал нейрона можно записать в виде:

. (7.22)

Если предположить, что синаптические веса конкурирующих нейронов положительны и выполняются следующие нормировки:

, (7.23)

(7.24)

Правило конкурирующего обучения можно записать в виде:

. (7.25)

Данное правило обеспечивает смещение вектора синаптических весов в сторону вектора входного сигнала.

Дата добавления: 2014-01-06