Искусственные нейронные сети. Сивохин А.В - 109 стр.

   A2 – массив соседства для нейронов, расположенных в окрестно-
сти нейрона-победителя i:
                           ⎧1, a(i, q) = 1;
                           ⎪
                A2(i, q) = ⎨0.5, a(j, q) = 1 & D(i, j) ≤ nd;
                           ⎪0, в остальных случаях.
                           ⎩
    Здесь а(i,q) – элемент выхода нейронной сети;
    D(i,j) – расстояние между нейронами i и j;
    nd – размер окрестности нейрона-победителя.
    Таким образом, вес нейрона-победителя изменяется пропорцио-
нально половинному параметру скорости обучения, а веса соседних
нейронов – пропорционально половинному значению этого парамет-
ра.
    Весь процесс обучения карты Кохонена делится на два этапа:
    А) этап упорядоченности векторов весовых коэффициентов в про-
странстве признаков;
    Б) этап подстройки весов нейронов по отношению к набору век-
торов входа.
    На этапе упорядочения используется фиксированное количество
шагов. Начальный размер окрестности назначается равным макси-
мальному расстоянию между нейронами для выбранной топологии и
затем уменьшается до величины, используемой на следующем этапе,
и вычисляется по следующей формуле:
                      nd=1.00001+(max(d)-1)(1-s/S),
где max(d) – максимальное расстояние между нейронами; s – номер
текущего шага, а S – количество циклов на этапе упорядочения.
    Параметр скорости обучения изменяется по правилу
                          lr =tlr+(olr-tlr)(1-s/S).
    На этапе подстройки, который продолжается в течение оставшей-
ся части процедуры обучения, размер окрестности остается посто-
янным и равным
                             nd=tnd+0.00001,
а параметр скорости обучения изменяется по следующему правилу
                                 lr= tlr*S/s.


                              109