Лабораторная работа №7
ИССЛЕДОВАНИЕ СЕТИ КОХОНЕНА И АЛГОРИТМА ОБУЧЕНИЯ БЕЗ УЧИТЕЛЯ
Цель работы: изучение архитектуры самоорганизующихся нейронных сло- ев Кохонена, а также приобретение навыков построения самоорганизующихся слоев для исследования топологической структуры данных, их объединением в кластеры (группы) и распределением по классам.
Сети Кохонена, или самоорганизующиеся карты (Kohonen maps), предна- значены для решения задач автоматической классификации, когда обучающая последовательность образов отсутствует (обучение без учителя). Сеть Кохонена является двухслойной. Она содержит слой входных нейронов и собственно слой Кохонена. Слой Кохонена может быть одномерным, двумерным и трех- мерным. В первом случае нейроны расположены в цепочку; во втором – они образуют двумерную сетку (обычно в форме квадрата или прямоугольника), а в третьем – трехмерную систему. Определение весов нейронов слоя Кохонена
основано на использовании алгоритмов автоматической классификации (кла- стеризации или самообучения).
На вход сети подаются последовательно значения векторов
xl (x1, x2 ,...,xn )l , представляющих отдельные последовательные наборы дан-
ных для поиска кластеров, то есть различных классов образов, причем число этих кластеров заранее неизвестно. На стадии обучения (точнее самообучения)
сети входной вектор x попарно сравнивается со всеми векторами w j
всех
рактеризующим некоторый образ, к векторам
Достарыңызбен бөлісу: |