ВУЗ:
Составители:
98
увеличивают, приближая к 1. Т.е. компоненты вектора Х постепенно
приближаются к своим истинным значениям. Весовые векторы отслеживают
один или небольшую группу входных векторов и в конце обучения дают
требуемую картину выходов. Метод хорошо работает, но замедляет процесс
обучения, так как весовые векторы подстраиваются к изменяющимся входным
векторам.
Метод добавления шума к входным векторам
[16]. В начале обучения к
компонентам входных векторов искусственно добавляют определенный
уровень шума. В результате случайные изменения входного вектора, в конце
концов, схватывают нужный весовой вектор. В процессе обучения уровень
шума во входных векторах постепенно снижают, приближая их к своим
истинным значениям. Метод работоспособен, но еще более медленен, чем
предыдущий.
Метод
интерполяции [16]. В алгоритме WTA в слое самоорганизации
активируется только один нейрон. Этот метод называется еще методом
аккредитации. Его точность ограничена, т.к. выходной сигнал слоя полностью
определяется лишь состоянием одного единственного нейрона. В слоях
самоорганизации применяется и другой метод – метод интерполяции, когда
ненулевые выходные сигналы имеет целая группа нейронов. Состав группы
формируется
по принципу наибольших значений выходных сигналов в слое.
Оптимальный размер группы зависит от задачи и общего решения для выбора
этого размера не существует. После определения группы нейронов с
наибольшими выходными сигналами, их выходы рассматриваются как вектор
Z
iK
, длина которого нормализуется на единицу:
22
2
2
1
...
qKKK
iK
н
iK
zzz
z
z
+++
=
,
где q – число компонент вектора
Z
iK
.
Все нейроны вне группы имеют нулевые выходы. Метод потенциально
может давать более точные результаты, чем метод WTA, однако убедительных
данных, позволяющих объективно сравнить методы аккредитации и
интерполяции, нет.
Алгоритм «Победитель справедливо получает все» (Conscience Winner
Takes All − CWTA)
[15]. Является улучшенной модификацией алгоритма WTA.
Он позволяет учитывать усталость нейронов путем подсчета количества побед
каждого из них и поощрять нейроны с наименьшей активностью для
выравнивания их шансов. Для этого подсчитывается среднее значение случаев
выигрыша каждым нейроном слоя самоорганизации. Если он становится
победителем чаще своей законной доли времени (примерно 1/n, где n –
число
нейронов слоя), то он временно увеличивает свой порог, что автоматически
уменьшает его шансы на выигрыш, давая, тем самым, шансы обучаться и
Страницы
- « первая
- ‹ предыдущая
- …
- 96
- 97
- 98
- 99
- 100
- …
- следующая ›
- последняя »
