Page 47 - 4524
P. 47

(елементи другого порядку). Також можуть додаватись елеме-
                            нти третього порядку, такі як ABC.
                                  Другим методом для додавання вхідних вузлів є функці-
                            ональне розширення базових входів. У випадку моделі з вхо-
                            дами A, B і C, її можна перетворити у модель нейронної мере-
                            жі  вищого  порядку  зі  входами:  A,  B,  C,  SIN(A),  COS(B),
                            LOG(C), MAX(A,B,C) та ін. Повний ефект повинна забезпечити
                            мережа з об'єднанням моделі тензорного та функціонального
                            розширення.
                                  Ніякої  нової  інформації  не  додається,  але  розширене
                            представлення входів робить мережу простішою для навчан-
                            ня. Існують обмеження для цієї моделі. Для перетворення по-
                            чаткових входів необхідна обробка більшої кількості вхідних
                            вузлів, що впливає на швидкодію мережі, тому при розширен-
                            ні  входів  має  бути  враховане  поєднання  точного  рішення  та
                            порівняно невеликого часу навчання.

                                  5.7 Мережа Кохонена

                                  Мережа розроблена Тойво Кохоненом на початку 1980-х
                            рр.  і принципово відрізняється від розглянутих вище мереж,
                            оскільки використовує неконтрольоване навчання і навчальна
                            множина складається лише із значень вхідних змінних.
                                  Мережа розпізнає кластери в навчальних даних і розпо-
                            діляє дані  до відповідних  кластерів. Якщо в наступному ме-
                            режа зустрічається з набором даних, несхожим ні з одним із
                            відомих зразків, вона відносить його до нового кластеру. Як-
                            що в даних містяться мітки класів, то мережа спроможна ви-
                            рішувати задачі класифікації. Мережі Кохонена можна вико-
                            ристовувати  і  в  задачах,  де  класи  відомі  -  перевага  буде  у
                            спроможності мережі виявляти подібність між різноманітни-
                            ми класами.
                                  Мережа  Кохонена  має  всього  два  прошарки  (рис.  5.4):
                            вхідний і вихідний, що називають самоорганізованою картою.
                            Елементи карти розташовуються в деякому просторі - як пра-
                            вило двовимірному.







                                                           46
   42   43   44   45   46   47   48   49   50   51   52