Самоорганизующиеся сети

Введенную Кохоненом "самоорганизующуюся карту признаков" можно рассматривать как вариант нейронной сети. Сеть такого типа рассчитана на самостоятельное обучечие: во время обучения сообщать ей правильные ответы необязательно. В процессе обучения на вход сети подаются различные образны. Он. улавливает особенности их структуры и разделяет образцы на кластеры, а уже обученная сеть относит каждый вновь поступающий пример к одному из кластеров, руководствуясь некоторым критерием «близости».

Сеть состоит из одного входного и одною выходного слоя. Количество элементов и выходном слое непосредственно определяет, сколько различных кластеров сеть сможет распознать. Каждый из выходных элементов получает на вход весь входной вектор. Как и во всякой нейронной сети, каждой связи приписан некоторый синоптический вес. В большинстве случаев каждый выходной элемент соединен также со своими соседями. Эти внутрислойные, связи играют важную роль в процессе обучения, так как корректировка весов происходит только в окрестности того элемента, которым наилучшим образом откликается на очередной вход.

Слава Україні!

Адмін сайту, який є громадянином України та безвиїзно перебуває в Україні на протязі всього часу повномасштабної російської агресії, зичить щастя та мирного неба всім українським хлопцям та дівчатам! Також він рекомендує українським трейдерам кращих біржових та бінарних брокерів, що мають приємні торгові умови та не співпрацюють з російською федерацією. А саме:

Exness – для доступу до валютного ринку;

RoboForex – для роботи з CFD-контрактами на акції;

Deriv – для опціонної торгівлі.

Ну, і звичайно ж, заборонену в росії компанію Альпарі, через яку Ви маєте можливість долучитися як до валютного ринку, так і до торгівлі акціями та бінарними опціонами (Fix-Contracts). Крім того, Альпарі ще цікава своїми інвестиційними можливостями. Дивіться, наприклад:

рейтинг ПАММ-рахунків;

рейтинг ПАММ-портфелів.

Все буде Україна!

Выходные элементы соревнуются между собой за право вступить в действие и "получить урок". Выигрывает тот из них, чей вектор весов окажется ближе всех к входному вектору в смысле расстояния, определяемого, например, евклидовой метрикой. У элемента-победителя это расстояние будет меньше, чем у всех остальных. На текущем шаге обучения менять веса разрешается только элементу-победителю {и, может быть, его непосредственным соседям); веса остальных Элементов при этом как бы заморожены. Выигравший элемент изменяет свой весовой вектор, немного перемещая его в сторону исходного. После обучении на достаточном количестве примеров совокупность весовых векторов с большой точностью приходит в соответствие со структурой входных примеров векторы весов в буквальном смысле моделируют распределение входных образцов.

Очевидно, для правильного понимания сетью входною распределения нужно, чтобы каждый элемент сети становился победителем одинаковое число раз - весовые векторы должны быть равновероятными. Как установил Де Снепо, для этого необходимо присутствие некоторого механизма "справедливости". Один из возможных способов осуществления этого механизма следующий: в расстояние между входным и весовым вектором вносится некоторая добавка, положительная для тех элементов, которые часто выигрывают, и отрицательная для тех, которые чаще проигрывают. Таким образом, шансы проигрывающих повышаются, и вся картина выравнивается. Величина добавки меняется в процессе обучения в соответствии с изменениями частоты выигрышей.

Содержание

Далее

Перед началом работы сети Кохонена нужно сделать две вещи:
• векторы весов должны быть случайно распределены по единичной сфере,
• все весовые и входные векторы должны быть нормированы на единицу.