Нейросетевые технологии. Каширина И.Л. - 37 стр.

UptoLike

ВУЗ: 

ВГУ | Воронеж

Составители: 

Рубрика: 

37
Рис. 20. Пример структуры PNN для разделения 4-компонентных
входных векторов на два класса
Функционирование сети
Принцип обучения PNN несколько отличается от принципов обуче-
ния других типов сетей. Особенностью является то, что число нейронов в
слое образцов определяется числом самих образцов, а следовательно, па-
раметрами сети, определяемыми непосредственно в ходе обучения, явля-
ются и число нейронов в слое образцов, и значения их весов. Другими сло-
вами, в ходе
обучения формируется сама структура PNN.
В PNN необходимо провести предварительную нормализацию входных
векторов. Это выполняется путем деления каждой компоненты входного
вектора на его длину:
22
2
2
1
...
'
n
i
i
xxx
x
x
+++
=
.
Исходя из соответствия между векторами весов W
i
и векторами об-
разцов X
i
, столбцы весовой матрицы тоже будут нормализованными векто-
рами. Активность i-нейрона слоя образцов определяется на основе функ-
ции Гаусса, при этом векторы образцов X
i
заменяются на равные им век-
торы весов W
i
. Тогда функция активности i-нейрона слоя образцов приоб-
    Рис. 20. Пример структуры PNN для разделения 4-компонентных
                    входных векторов на два класса

                           Функционирование сети
      Принцип обучения PNN несколько отличается от принципов обуче-
ния других типов сетей. Особенностью является то, что число нейронов в
слое образцов определяется числом самих образцов, а следовательно, па-
раметрами сети, определяемыми непосредственно в ходе обучения, явля-
ются и число нейронов в слое образцов, и значения их весов. Другими сло-
вами, в ходе обучения формируется сама структура PNN.
      В PNN необходимо провести предварительную нормализацию входных
векторов. Это выполняется путем деления каждой компоненты входного
                                    xi
вектора на его длину: xi ' =                     .
                               2    2          2
                              x1 + x2 + ... + xn
      Исходя из соответствия между векторами весов Wi и векторами об-
разцов Xi, столбцы весовой матрицы тоже будут нормализованными векто-
рами. Активность i-нейрона слоя образцов определяется на основе функ-
ции Гаусса, при этом векторы образцов Xi заменяются на равные им век-
торы весов Wi. Тогда функция активности i-нейрона слоя образцов приоб-
                                   37

Страницы