Нейросетевые технологии. Каширина И.Л. - 28 стр.

                                                    n
венную активационную функцию f ( s ) = s , где s = ∑ wij xi . Нейрон с мак-
                                                   i =1
симальным значением активационной функции объявляется «победите-
лем» и его веса (а также веса нейронов из его окружения) пересчитываются.
      Замечание 2. Диапазон изменений начальных значений весовых ко-
эффициентов должен совпадать с диапазоном изменения соответствующих
им входов.
      Сеть Кохонена нашла самое широкое применение в задачах финан-
сового анализа. С ее помощью успешно решаются задачи предсказания
рисков, рейтингования и многие другие.

     5.2. Нейроны Гроссберга. Входные и выходные звезды

      Входная звезда Гроссберга, как показано на рис. 12, состоит из ней-
рона, на который подается группа входов, умноженных на синапcические
веса.




                                                        Y



                   Рис. 12. Входная звезда Гроссберга
     Выходная звезда, показанная на рис. 13, является нейроном, управ-
ляющим группой весов. Входные и выходные звезды могут быть взаимно
соединены в сети любой сложности.




                          X



                   Рис. 13. Выходная звезда Гроссберга

                       Обучение входной звезды
     Входная звезда выполняет распознавание образов, т. е. она обучается
реагировать на определенный входной вектор Х и ни на какой другой. Это
обучение реализуется путем настройки весов таким образом, чтобы они
                                    28