Основы теории нейронных сетей


         

в процессе медленного обучения описывается


Динамика сети в процессе медленного обучения описывается дифференциальными уравнениями.

Быстрое обучение является специальным случаем медленного обучения, когда входной вектор прикладывается на достаточно длительный срок, чтобы позволить весам приблизиться к их окончательным значениям. В этом случае процесс обучения описывается только алгебраическими выражениями. Кроме того, компоненты весовых векторов
принимают двоичные значения, в отличие от непрерывного диапазона значений, требуемого в случае быстрого обучения. В данной лекции мы опишем только быстрое обучение.

Рассмотренный далее обучающий алгоритм используется как в случае успешного, так и в случае неуспешного поиска.

Пусть вектор весов
(связанный с возбужденным нейроном


распознающего слоя) равен нормализованной величине вектора
. Эти веса вычисляются следующим образом:



где
-я компонента выходного вектора слоя сравнения,
— номер выигравшего нейрона в слое распознавания,
— вес связи, соединяющей нейрон
в слое сравнения с нейроном
в слое распознавания,
— константа > 1 (обычно 2).

Компоненты вектора весов
, связанного с новым запомненным вектором, изменяются таким образом, что становятся равны соответствующим двоичным величинам вектора
:



где
является весом связи между выигравшим нейроном
в слое распознавания и нейроном
в слое сравнения.


Содержание  Назад  Вперед