Нейросетевые технологии. Каширина И.Л. - 57 стр.

UptoLike

ВУЗ: 

ВГУ | Воронеж

Составители: 

Рубрика: 

57
Если значение отношения меньше порога, то считается, что входной
сигнал отличается от данного образца и осуществляется поиск другого
похожего вектора. Если входной вектор отличается от всех образцов, то он
рассматривается как новый образец. В сеть вводится нейрон, соответст-
вующий новому образцу, и рассчитываются значения синаптических весов.
В отличие от АРТ-1, сеть
АРТ-2 содержит один слой нейронов и ха-
рактеризуется единственной весовой матрицей W. Число нейронов сети
совпадает с числом сформированных кластеров.
Алгоритм функционирования сети ART-2
Положим:
N
ex
– количество тестируемых образцов;
β – малое положительное число;
θ – параметр нормализации
ex
N/10 <<
θ
;
ρ – критерий сходства.
Шаг 0. Для каждого вектора X
N
из обучающего множества:
1) Нормализовать X
N
к длине 1.
2)
Заменить координаты, меньшие θ, 0 (избавиться от шумов).
3)
Еще раз нормализовать X
N
.
Начать без кластеров.
Шаг 1. Выбрать кластер k , максимизирующий (W
k
T
X
N
) =
∑
=
n
i
N
iik
xw
1
.
Проверить по критерию сходства: W
k
T
X
N
≥ρ
1)
Если выполняется, модифицировать W
k
для обеспечения большей
«похожести» на X
n
:
N
k
N
k
k
XW
XW
W
ββ
ββ
+−
+−
=
)1(
)1(
.
2)
Если же не выполняется (или кластеров пока нет) – создать новый
прототип (кластер) и установить его веса равными координатам векто-
ра X
N
.
Шаг 2. Повторять Шаг 1, до тех пор, пока не прекратятся изменения в
векторах весов кластеров. После этого считать сеть сошедшейся и дос-
тигшей стабильности. На каждой итерации выбирать последовательно
очередной обучающий вектор X
N
.
Замечание.
Через W
k
обозначен k-й столбец весовой матрицы W. 
     Если значение отношения меньше порога, то считается, что входной
сигнал отличается от данного образца и осуществляется поиск другого
похожего вектора. Если входной вектор отличается от всех образцов, то он
рассматривается как новый образец. В сеть вводится нейрон, соответст-
вующий новому образцу, и рассчитываются значения синаптических весов.
     В отличие от АРТ-1, сеть АРТ-2 содержит один слой нейронов и ха-
рактеризуется единственной весовой матрицей W. Число нейронов сети
совпадает с числом сформированных кластеров.


                 Алгоритм функционирования сети ART-2
Положим:
   Nex – количество тестируемых образцов;
   β – малое положительное число;
   θ – параметр нормализации 0 < θ < 1 / N ex ;
   ρ – критерий сходства.
Шаг 0. Для каждого вектора XN из обучающего множества:
  1) Нормализовать XN к длине 1.
  2) Заменить координаты, меньшие θ, 0 (избавиться от шумов).
  3) Еще раз нормализовать XN.
         Начать без кластеров.
                                                               n
Шаг 1. Выбрать кластер k , максимизирующий      (WkTXN)   =   ∑ wik xiN .
                                                              i =1
                                        T   N
   Проверить по критерию сходства: Wk X ≥ ρ
   1) Если выполняется, модифицировать Wk для обеспечения большей
                           (1 − β )Wk + β X N
   «похожести» на Xn: Wk =                    .
                                            N
                           (1 − β )Wk + β X
  2) Если же не выполняется (или кластеров пока нет) – создать новый
  прототип (кластер) и установить его веса равными координатам векто-
  ра XN .
Шаг 2. Повторять Шаг 1, до тех пор, пока не прекратятся изменения в
 векторах весов кластеров. После этого считать сеть сошедшейся и дос-
 тигшей стабильности. На каждой итерации выбирать последовательно
 очередной обучающий вектор XN.


Замечание. Через Wk обозначен k-й столбец весовой матрицы W.




                                   57

Страницы