Интернет магазин китайских планшетных компьютеров

Компьютеры - Нейронная сеть Кохонена - Сети векторного квантования, обучаемые с учителем

Пример возможного разделения классов, составленного с помощью разбиения Вороного-Дирихле.

Решается задача классификации. Число классов может быть любым. Изложим алгоритм для двух классов, и . Исходно для обучения системы поступают данные, класс которых известен. Задача: найти для класса некоторое количество кодовых векторов , а для класса некоторое количество кодовых векторов таким образом, чтобы итоговая сеть Кохонена с кодовыми векторами , осуществляла классификацию по следующему решающему правилу:

если для вектора входных сигналов x ближайший кодовый вектор принадлежит семейству , то x принадлежит классу ; если же ближайший к x кодовый вектор принадлежит семейству , то x принадлежит классу .

С каждым кодовым вектором объединённого семейства связан многогранник Вороного-Дирихле. Обозначим эти многогранники , соответственно. Класс в пространстве сигналов, согласно решающему правилу, соответствует объединению , а класс соответствует объединению . Геометрия таких объединений многогранников может быть весьма сложной.

Правила обучения сети онлайн строится на основе базового правила обучения сети векторного квантования. Пусть на вход системы подаётся вектор сигналов x, класс которого известен. Если он классифицируется системой правильно, то соответствующий x кодовый вектор Wслегка сдвигается в сторону вектора сигнала

W = W + xθ,

Если же x классифицируется неправильно, то соответствующий x кодовый вектор Wслегка сдвигается в противоположную сторону от сигнала

W = W − xθ,

где — шаг обучения. Для обеспечения стабильности используется онлайн метод с затухающей скоростью обучения. Возможно также использование разных шагов для «поощрения» правильного решения и для «наказания» неправильного

Это — простейшая версия метода. Существует множество других модификаций.