Page 73 - 4524

N
y j   w ( t) x , (5.28)
ij
i
 i 1
Значення відповідності обчислюються паралельно для
всіх зразків, запам'ятованих у мережі, аналогічно мережі Хе-
мінга.
4. Вибір зразка з найбільшою відповідністю:
y j=max(y j) , (5.29)
Ця операція виконується за допомогою латерального га-
льмування.
5. Порівняння з порогом:
N N
X   x , V  X   ij  x , (5.30)
v
j
j
 j 1  j 1
V  X
якщо  b , перехід до кроку 7, інакше до кроку 6.
X
На цьому кроці обчислюється відношення скалярного
добутку вхідного сигналу і зразка з найбільшим значенням
відповідності до числа одиничних біт вхідного сигналу. Зна-
чення відношення порівнюється з порогом, введеному на
першому кроці.
Якщо значення відношення більше порога, то вхідний
сигнал вважається схожим на зразок з найбільшим значенням
відповідності. У цьому випадку зразок модифікується шляхом
виконання операції AND (логічне "I"). Новий зразок є зразок
на попередньому кроці + вхідний сигнал.
Якщо значення відношення менше порога, то вважаєть-
ся, що вхідний сигнал відрізняється від всіх зразків і він розг-
лядається як новий зразок. У мережу вводиться нейрон, що
відповідає новому зразку, і обчислюються значення синапти-
чних ваг.
6. Виключення приклада з найбільшим значенням відпо-
відності:
Вихід нейрона з найбільшим значенням відповідності
тимчасово встановлюється рівним нулю і більш не приймає
участь у кроці 4.
7. Адаптація приклада з найбільшим значенням відпові-
дності:
v ij(t+1)=v ij(t)x j, (5.31)

72