Page 236 - 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 початковий розмір околиці
установимо 3.
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 налаштування за замовчуванням парамет-
рів mean/min і variance/max але, як правило, рекомендується
встановити 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
навчання. Для нашого прикладу, ми залишимо значення цих
параметрів за замовчуванням .
Щоб розглянути графік зміни помилок в процесі навчан-
ня і тестування (рис.8.9), треба перейти до вкладки Real train-
ing grapf (див. рис. 8.8) і вибрати пункт Display time training
graph for і поставити відповідні галочки проти Train error і
Test error.

236