Page 52 - 4524

Рисунок 5.6 - Приклад мережі з квантуванням навчального
вектора

У режимі навчання, контрольована мережа використовує
прошарок Кохонена, де обчислюється відстань від навчально-
го вектора до кожного нейрону і найближчий нейрон оголо-
шується переможцем. Існує лише один переможець на весь
прошарок. Переможцю дозволено збуджувати лише один ви-
хідний нейрон, оголошуючи клас або кластер до якого нале-
жить вхідний вектор. Якщо нейрон-переможець знаходиться у
очікуваному класі навчального вектора, його ваги підсилю-
ються у напрямку навчального вектора. Якщо нейрон-
переможець не є у класі навчального вектора, ваги з'єднань
зменшуються. Ця остання операція згадується як відштовху-
вання (repulsion). Під час навчання окремі нейрони, що при-
писані до часткового класу мігрують до області, пов'язаної з їх
специфічним класом.
Під час режиму функціонування, обчислюється відстань
від вхідного вектора до кожного нейрону і знову найближчий
нейрон оголошується переможцем. Це в свою чергу генерує
один вихід, визначаючи частковий клас, знайдений мережею.
Недоліки. Для складних проблем класифікації з подіб-
ними вхідними прикладами, мережа вимагає великої карти
Кохонена з багатьма нейронами на клас. Це вибірково може

51