Page 48 - 4524

Рисунок 5.4 - Мережа Кохонена

Мережа Кохонена навчається методом послідовних на-
ближень. Починаючи з випадковим чином обраного вихідного
розташування центрів, алгоритм поступово покращується для
кластеризації навчальних даних.
Проте, алгоритм може працювати і на іншому рівні. В
результаті ітеративної процедури навчання мережа організо-
вується таким чином, що елементи, які відповідають центрам,
розташованим близько один від одного в просторі входів, бу-
дуть розташовані близько один від одного і на топологічній
карті. Топологічний прошарок мережі можна уявити як дво-
вимірну штахету, яку потрібно так відобразити в N-вимірний
простір входів, щоб по можливості зберегти вихідну структу-
ру даних. Звісно ж, при будь-якій спробі відтворити N-
вимірний простір на площині буде загублено багато деталей,
але такий прийом дозволяє користувачу візуалізувати дані, що
неможливо зрозуміти іншим засобом.
Основний ітераційний алгоритм Кохонена послідовно
проходить ряд епох, на кожній епосі опрацьовується один на-
вчальний приклад. Вхідні сигнали - вектори дійсних чисел -
послідовно пред'являються мережі. Бажані вихідні сигнали не
визначаються. Після пред'явлення достатнього числа вхідних
векторів, синаптичні ваги мережі визначають кластери. Крім
того, ваги організуються так, що топологічне близькі вузли
чуттєві до схожих вхідних сигналів.
Для реалізації алгоритму необхідно визначити міру су-
сідства нейронів (окіл нейрона-переможця). На рис. 5.5 пока-

47