Page 164 - 4703

Якщо виграшний нейрон міститься поруч або на краю
топологічної карти, околиця обрізається по краях. Околиці
масштабується лінійно від початкового значення Start до кін-
цевого значення End.
Розмір околиці зберігається і масштабується як дійсне
число, так як це дає більшу гнучкість у визначенні того, коли
саме зміни мають відбутися. Тим не менш, для визначення
сусідів, приймається найближче ціле значення. Таким чином,
фактична околиця при використані зменшує кількість дискре-
тних кроків. Для цього прикладу розмір околиці установимо 1.

Network randomization. Використовуйте параметри в
цій групі, щоб визначити , як вага повинна бути ініціалізована
на початку навчання. Ви можете вибрати гаусову рандомізацію
або рівномірну рандомізацію. На додаток до вибору розподілу,
необхідно також вказати параметри mean/min і variance/max.
Ви можете змінити настройки за замовчуванням параметрів
mean/min і variance/max але, як правило, рекомендується вста-
новити mean/min рівною нулю і variance/max - не більше 0,1.
Це допоможе мережі поступово зросте з його лінійного (малі
значення ваги) до нелінійного (великі значення ваги) режиму
для моделювання даних у міру необхідності в процесі навчан-
ня. Для нашого прикладу, ми залишимо значення цих параме-
трів за замовчуванням .

Щоб розглянути графік зміни помилок навчання і тесту-
вання (рис. 6.23), треба перейти до вкладки Real training grapf
(див. рис. 6.22) і вибрати пункт Display time training graph for і
поставити відповідні галочки проти Train error і Test error.

164