КАТЕГОРИИ:


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) П Arhitektura- (3434) Astronomiya- (809) Biologiya- (7483) Biotehnologii- (1457) Военно дело (14632) Висока технологиите (1363) Geografiya- (913) Geologiya- (1438) на държавата (451) Demografiya- ( 1065) Къщи- (47672) журналистика и SMI- (912) Izobretatelstvo- (14524) на външните >(4268) Informatika- (17799) Iskusstvo- (1338) История- (13644) Компютри- (11121) Kosmetika- (55) Kulinariya- (373) култура (8427) Lingvistika- (374) Literatura- (1642) маркетинг-(23,702) Matematika- (16,968) инженерно (1700) медицина-(12,668) Management- (24,684) Mehanika- (15423) Naukovedenie- (506) образование-(11,852) защита truda- (3308) Pedagogika- (5571) п 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) oligrafiya- (1312) Politika- (7869) Лево- (5454) Priborostroenie- (1369) Programmirovanie- (2801) производствено (97182) от промишлеността (8706) Psihologiya- (18,388) Religiya- (3217) с комуникацията (10668) Agriculture- (299) Sotsiologiya- (6455) спортно-(42,831) Изграждане, (4793) Torgovlya- (5050) превозът (2929) Turizm- (1568) физик (3942) Filosofiya- (17015) Finansy- (26596 ) химия (22929) Ekologiya- (12095) Ekonomika- (9961) Telephones- (8441) Elektrotehnika- (4623) Мощност инженерно (12629) Yurisprudentsiya- (1492) ядрена technics- (1748)

Kohonen мрежа

Kohonen мрежа е въведена от Т. Kohonen през 1982.

Друго име на мрежата:

"Самоорганизираща характеристики на картата" (самоорганизираща игрални карти, SOM)

KCN (Kohonen Clastering Networks)

KCN се използва за показване нелинейни отношения в данните доста лесно тълкуват (често двумерен) мрежа представлява метричен и топологично зависимост от входните вектори в клъстери.

Kohonen мрежа определя от карта Kohonen, която се използва за показване на невронната активност в пространството.

Kohonen мрежа има един слой от неврони. Броят на входа на всеки неврон е равна на размера на входното изображение. Броят на невроните в слой директно определя колко различни клъстери мрежа може да разпознае.

С KCN е възможно да се намали размера на представителството на многомерни вектори, като същевременно се поддържа топологията на връзките между тях.

Kohonen мрежа използва конкурентна алгоритъм за обучение.

За да се покаже в близост взаимодействащи елементи въвеждат концепцията на страничната инхибираща активност спечелване неврон се прилага към други неврони, карайки ги да реагират на входен сигнал (с увеличаване на разстоянието активност намалява).

При изчисляване на дейността на всеки един от невроните е необходимо да се помисли за разстоянието от него до спечелване на неврона. Създаване учене μ процент се въвежда за изглаждане на ефекта на насищане.

Kohonen мрежа обучение алгоритъм се свежда до следната последователност от действия:

  1. Initialize тегло вектори за всички изходни неврони (матрични връзки ) Случайни малък.

Изчислява се средната първоначална разстоянието (Означен с средно разстояние след гр повторения) между векторите на обучение и набор от вектори тегло: ,

където N - брой примери в тренировъчната серия, J - неврон номер, за който DIST разстоянието = мин.

Определете размера на квартала за спечелването неврон R ( "стимулация радиус").

  1. слагам ,
  2. Мнение вход мрежа следващия вход вектор от пробата за обучение Където Т - текущата стъпка итерация.
  3. За всеки неврон й да се определи какво е разстоянието съгласно формула за всяко й.
  4. Изберете победител неврон За което минимално разстояние на (търсенето носител се провежда на вариацията на входния вектор от вектор тегло на всеки неврон).
  5. Промяна на теглата на печелившия неврона:

и тези неврони и, които са в близост до спечелването:

,

където ; μ - скорост на учене <1).

  1. Повторете стъпка 3 -. 6 за всеки обучение примерни вектори.
  2. слагам и се изчислява съгласно формула ,

да брои , ако Къде η -. Приори дал положителен праг, а след това преминете към стъпка 9, в противен случай слагам , Корект μ, размер на един квартал, и преминете към стъпка. 2.



  1. Стоп.

В началото за бърз избор на клъстери обучение курс μ е голям, а след това намалява с увеличаване на разстоянието между клъстерите.

За да се отчете влиянието на страничната инхибиране извърши корекция във формулата : където - разстоянието между победителя и прилежащата неврона, R - текущия размер на съседство.

Основните недостатъци на Kohonen мрежа:

  1. Методът на обучение е евристичен защото конвергенция не е доказано, така че завършването на процеса на преподаване не се основава на оптимизацията на математически модел на процеса и свързаните с тях данни.
  2. Общото тегло вектори изходни неврони обикновено зависят от входната последователност.
  3. Различни начални условия, обикновено водят до различни резултати.
  4. Използването на някои параметри KCN алгоритми. Speed обучение, размер квартал, и т.н., не винаги са подходящи.

Ето защо по-печеливши са комбинирани мрежа.

<== предишната лекция | Следващата лекция ==>
| Kohonen мрежа

; Дата на добавяне: 01.15.2014; ; Прегледи: 148; Нарушаването на авторски права? ;


Ние ценим Вашето мнение! Беше ли полезна публикува материал? Да | не



ТЪРСЕНЕ:


Вижте също:



ailback.ru - Edu Doc (2013 - 2017) на година. Не е авторът на материала, и предоставя на студентите възможност за безплатно обучение и употреба! Най-новото допълнение , Ал IP: 11.45.9.146
Page генерирана за: 0.052 сек.