Искусственные нейронные сети. Сивохин А.В - 108 стр.

    linkdist – расстояние связи
              ⎧1, dist ( posi − p j ) ≤ 1;% − евклидово пространство;
              ⎪
              ⎪2, ∀k , d ik1 = d kj = 1;% − один промежуточный;
              ⎪3, ∀(k , k ), d k = d
              ⎪         1 2        i 1        k1k21 = d k1 j = 1;
       d ij = ⎨
              ⎪........................................................................................
              ⎪ N , ∀(k , k ...k ), d k = d = ... = d = 1;
              ⎪           1 2        n     i 1        k1k 2            knj

              ⎪⎩S , в остальных случаях
   Формирование саморганизующейся карты Кохонена осуществля-
ется функцией
   net=newsom(PR,[d1, d2,…],tfcn, dfсn, olr, osteps, tlr, tnd)),
где Pr – массив размера R*2 минимальных значений векторов входа;
   d1, d2…– число нейронов по i-й размерности карты. По умолча-
нию – двумерная карта с числом нейронов 5*8;
   tfсn – функция топологии карты, по умолчанию nextop;
   dfcn – функция расстояния, по умолчанию linkdist;
   olr – параметр скорости обучения на этапе размещения, по умол-
чанию 0.9;
   osteps – число циклов обучения на этапе подстройки, по умолча-
нию 1000;
   tlr – параметр скорости на этапе подстройки, по умолчанию 0.02;
   tnd – размер окрестности на этапе подстройки, по умолчанию 1.
   Настройка карты Кохонена производится по каждому входному
вектору независимо от того, применяется метод адаптации или метод
обучения. В любом случае функция learnsom выполняет настройку
карты нейронов.
   Прежде всего определяется нейрон-победитель и корректируется
его вектор весов и векторы соседних нейронов согласно соотноше-
нию
                                      dw=lr*A2*(p′ – w),
где lr – параметр скорости обучения, равный olr для этапа упорядо-
чения нейронов и tlr для этапа подстройки;


                                                108