Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 14 стр.

UptoLike

Составители:

Рубрика:

Несупервизорное обучение

Несупервизорное обучение используется в ситуациях, когда име"

ется много данных о некоторых объектах и представляет интерес

оценка сходства объектов из рассматриваемой совокупности. Перед

сетью здесь ставится задача кластеризации входных данных таким

способом, чтобы похожие образы (объекты) попали в одну группу

(кластер). ИНС, использующая НСО, может решать такую задачу с

большой точностью.

Обычно сеть с таким способом обучения состоит только из вход"

ного и выходного слоев, причем количество нейронов в первом слое

определяется размерностью входного вектора, а во втором – чис"

лом предполагаемых классов, на которые желательно разбить ис"

ходную совокупность. Схема НСО приведена на рис. 1.4. Ячейки

выходного слоя соревнуются между собой за право быть победите"

лем, которым в итоге становится нейрон выходного слоя с весами,

наиболее близкими к компонентам входного вектора. В процессе

обучения происходит подстройка весов, в первую очередь нейрона"

победителя, с тем чтобы стать еще ближе к входному вектору. Здесь

ячейка"победитель является, по существу, меткой класса, к кото"

рому отнесен входной вектор. ИНС, которые обучаются таким ме"

тодом, называются самоорганизующимися, потому что они не по"

лучают указаний относительно требуемого выхода. При предъяв"

лении входного образа сеть посредством конкуренции и регулиро"

вания весов относит образ к одному из существующих уже класте"

ров или к новому классу.

Рис. 1.4