Page 51 - 4524

модифікуються повільно, налаштування ваг закінчується після
навчання.
Модифікації. Одна з модифікацій полягає в тому, що до
мережі Кохонена додається мережа MAXNET, що визначає
нейрон з найменшою відстанню до вхідного сигналу.

5.8 Квантування навчального вектора (Learning Vec-
tor Quantization)

Мережа запропонована Тойво Кохоненом у середині 80-
х рр., набагато пізніше за його початкову роботу по самоорга-
нізованим картам. Мережа базується на прошарку Кохонена,
який здатний до сортування прикладів у відповідні кластери і
використовується як для проблем класифікації, так і для клас-
теризації зображень.
Мережа містить вхідний прошарок, самоорганізовану
карту Кохонена та вихідний прошарок. Приклад мережі зо-
бражений на рис. 5.6. Вихідний прошарок має стільки нейро-
нів, скільки є відмінних категорій або класів. Карта Кохонена
має ряд нейронів, згрупованих для кожного з цих класів. Кіль-
кість елементів обробки на один клас залежить від складності
відношення "вхід-вихід". Звичайно, кожен клас буде мати од-
накову кількість елементів по всьому прошарку. Прошарок
Кохонена навчається класифікації за допомогою навчальної
множини. Мережа використовує правила контрольованого на-
вчання. Вхідний прошарок повинен містити лише один ней-
рон для кожного окремого вхідного параметра.
Квантування навчального вектора класифікує вхідні дані
у визначені групування, тобто відображає n-вимірний простір
у m-вимірний простір (бере n входів і створює m виходів). Ка-
рти зберігають відношення між близькими сусідами у навча-
льній множині так, що вхідні образи, які не були попередньо
вивчені, будуть розподілені за категоріями їх найближчих су-
сідів у навчальних даних.

50