Page 47 - 4524

(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