Page 163 - 4196

веде до більш тонких корекцій ваг і налаштування ней-
ронів.
Мережа Кохонена складається тільки із одного ша-
ру нейронів (радіальних елементів), кожний з яких від-
творює двохвимірну гаусову функцію. Виходи нейронів
мережі Кохонена називають шаром топологічної карти.
Мережа Кохонена розпізнає кластери в навчальних
даних. Якщо після навчання мережі на вхід подати нові
дані, то вона або приєднає їх до визначених кластерів або
визначить їх новину. Мережу Кохонена можна також
використовувати в тих задачах класифікації, де класи
задані. В цьому випадку мережа зможе виявити подіб-
ність класів.

3 Навчання асоціативної пам’яті
Нейронну мережу можна «навчити» зберігати деякі
об’єкти, які можна рахувати еталонами (асоціативна
пам’ять) з тією метою, щоби визначити подібність ново-
го об’єкту до одного із зберігаємих еталонів. Відповідні
нейронні мережі – Хопфілда, Хеммінга, ДАП–мережі
відносяться до рекурентних (динамічних) мереж.
Асоціативна пам’ять звичайно працює у двох ре-
жимах: зберігання та відновлення. У режимі зберігання
визначаються вагові коефіцієнти, які відповідають зраз-
кам-еталонам. У режимі відновлення на входи мережі
подається новий об’єкт, далі мережа еволюціонує згідно
своєї динаміки до стану досягнення рівноваги. Якщо но-
вий об’єкт виявляється подібним до одного із зразків-
еталонів, то виходи мережі будуть відповідати цьому
еталону. Інакше вихідний вектор не буде подібним ні до
одного із зразків-еталонів.
Структурна схема мережі Хопфілда складається із
єдиного шару нейронів (рисунок4.9).

163