Искусственные нейронные сети. Сивохин А.В - 110 стр.

   Параметр скорости обучения продолжает уменьшаться, но очень
медленно. Малое значение окрестности и медленное уменьшение
параметра скорости обучения хорошо настраивают сеть при сохра-
нении размещения, найденного на предыдущем этапе. Число шагов
на этапе подстройки должно значительно превышать число шагов на
этапе размещения. На этом этапе происходит тонкая настройка весов
нейронов по отношению к набору векторов входов.
   Нейроны карты Кохонена будут упорядочиваться так, чтобы при
равномерной плотности векторов входа нейроны также были распре-
делены равномерно. Если векторы входа распределены неравномер-
но, то и нейроны будут иметь тенденцию распределяться в соответ-
ствии с плотностью размещения векторов входа.
   Таким образом, при обучении карты Кохонена решается не только
задачи кластеризации входных векторов, но и выполняется частичная
классификация.

               Практические задания
   Задание 1. Рассчитать положение нейронов на четырехмерной
сетке с прямоугольной топологией размера 5*4*3*2 и сделать по-
пытку построить график расположения нейронов, выполнив сле-
дующие команды:
   pos=gridtop(5,4,3,2) % – массив координат узлов размера N*S,
                        % где N – количество измерений, равное 4,
                               N
                     %а S =   ∏ dim i – количество узлов сетки,
                              i =1
                     % равное произведению числа нейронов по
                     % каждому измерению 5*4*3*2=120;
  plotsom(pos) % – вывод только трех размерностей.

   Задание 2. Рассчитать положение нейронов на двухмерной сетке с
прямоугольной топологией размера 3*2 и построить график распо-
ложения нейронов, выполнив следующие команды:
   рos =gridtop(2,3) % 0 1 0 1 0 1
   %0 0 1 1 2 2
   plotsom(pos) % – плоский график.

                              110