人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用之自組織網(wǎng)絡(luò)-wenkub
2023-03-17 15:28:08 本頁面
【正文】 為 l，則有2023/3/2917 競爭網(wǎng)絡(luò)原理168。這類權(quán)值固定不變，且滿足一定的分布關(guān)系? 是一種對稱權(quán)值，即有 wik＝ wki? 相同神經(jīng)元之間的權(quán)值起加強(qiáng)的作用，即滿足w11＝ w11＝ … ＝ wkk＞ 0，而不同神經(jīng)元之間的權(quán)值相互抑制，對于 k≠i 有 wij＜ 02023/3/2914 網(wǎng)絡(luò)模型168。 科荷倫學(xué)習(xí)規(guī)則實(shí)際上是內(nèi)星學(xué)習(xí)規(guī)則的一個(gè)特例，但它比采用內(nèi)星規(guī)則進(jìn)行網(wǎng)絡(luò)設(shè)計(jì)要節(jié)省更多的學(xué)習(xí)，因而常常用來替代內(nèi)星學(xué)習(xí)規(guī)則2023/3/2911二、自組織網(wǎng)絡(luò) 網(wǎng)絡(luò)模型 競爭網(wǎng)絡(luò)原理 網(wǎng)絡(luò)訓(xùn)練2023/3/2912 網(wǎng)絡(luò)模型168。 與內(nèi)星不同，外星聯(lián)接強(qiáng)度的變化 Δw 是與輸入矢量 P成正比的– 當(dāng)輸入矢量被保持高值，比如接近 1時(shí)，每個(gè)權(quán)值 wij將趨于輸出 ai值，若 pj＝ 1，則外星使權(quán)值產(chǎn)生輸出矢量– 當(dāng)輸入矢量 pj為 0時(shí)，網(wǎng)絡(luò)權(quán)值得不到任何學(xué)習(xí)與修正2023/3/299 外星學(xué)習(xí)規(guī)則168。 外星網(wǎng)絡(luò)的激活函數(shù)是線性函數(shù)。 可以通過內(nèi)星及其學(xué)習(xí)規(guī)則可訓(xùn)練某一神經(jīng)元節(jié)點(diǎn)只響應(yīng)特定的輸入矢量 P，它借助于調(diào)節(jié)網(wǎng)絡(luò)權(quán)矢量 W近似于輸入矢量 P來實(shí)現(xiàn)的168。 需要訓(xùn)練– 自組織競爭網(wǎng)絡(luò)? 適用與具有典型聚類特性的大量數(shù)據(jù)的辨識– Kohunen網(wǎng)絡(luò)? 訓(xùn)練學(xué)習(xí)后使網(wǎng)絡(luò)權(quán)值分布與輸入樣本概率密度分布相似? 可以作為樣本特征檢測儀，在樣本排序、樣本分類及樣本檢測方面有廣泛應(yīng)用– 對傳網(wǎng)絡(luò)（ Counter Propagation Network）? 在功能上用作統(tǒng)計(jì)最優(yōu)化和概率密度函數(shù)分析? 可用于圖像處理和統(tǒng)計(jì)分析– 神經(jīng)認(rèn)知機(jī)等168。人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用第 6講 自組織網(wǎng)絡(luò)一、自組織神經(jīng)網(wǎng)絡(luò)二、自組織競爭網(wǎng)絡(luò)三、科荷倫網(wǎng)絡(luò)四、自適應(yīng)共振網(wǎng)絡(luò)五、內(nèi)容小結(jié)六、考試事宜內(nèi)容安排2023/3/292 自組織網(wǎng)絡(luò)特點(diǎn) 網(wǎng)絡(luò)類型 網(wǎng)絡(luò)學(xué)習(xí)規(guī)則一、自組織神經(jīng)網(wǎng)絡(luò)2023/3/293 自組織網(wǎng)絡(luò)特點(diǎn)168。 不需要訓(xùn)練– 自適應(yīng)共振理論（ ART）? 分類的類型數(shù)目可自適應(yīng)增加2023/3/295 網(wǎng)絡(luò)學(xué)習(xí)規(guī)則168。 單內(nèi)星中對權(quán)值修正的格勞斯貝格內(nèi)星學(xué)習(xí)規(guī)則為168。它被用來學(xué)習(xí)回憶一個(gè)矢量，其網(wǎng)絡(luò)輸入 P也可以是另一個(gè)神經(jīng)元模型的輸出168。當(dāng)有 r個(gè)外星相并聯(lián)，每個(gè)外星與 s個(gè)線性神經(jīng)元相連組成一層外星時(shí)，其權(quán)值修正方式為– W＝ sr 權(quán)值列矢量– lr＝學(xué)習(xí)速率– A＝ sq 外星輸出– P＝ rq 外星輸入2023/3/2910 科荷倫學(xué)習(xí)規(guī)則168。 網(wǎng)絡(luò)結(jié)構(gòu)– 競爭網(wǎng)絡(luò)由單層神經(jīng)元網(wǎng)絡(luò)組成，其輸入節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間為全互聯(lián)結(jié)。網(wǎng)絡(luò)工作方式– 輸入矢量經(jīng)過網(wǎng)絡(luò)前向傳遞– 網(wǎng)絡(luò)競爭? 激活函數(shù)為硬限制二值函數(shù)? 競爭網(wǎng)絡(luò)的激活函數(shù)使加權(quán)輸入和為最大的節(jié)點(diǎn)贏得輸出為 1，而其他神經(jīng)元的輸出皆為 0(?)– 權(quán)值調(diào)整（可以處于訓(xùn)練與工作期間）? 競爭網(wǎng)絡(luò)在經(jīng)過競爭而求得獲勝節(jié)點(diǎn)后，則對與獲勝節(jié)點(diǎn)相連的權(quán)值進(jìn)行調(diào)整? 調(diào)整權(quán)值的目的是為了使權(quán)值與其輸入矢量之間的差別越來越小，從而使訓(xùn)練后的競爭網(wǎng)絡(luò)的權(quán)值能夠代表對應(yīng)輸入矢量的特征2023/3/2915 競爭網(wǎng)絡(luò)原理168。 所以對整個(gè)網(wǎng)絡(luò)的加權(quán)輸入總和有下式成立– sl=nl+wll 對于 “贏 ”的節(jié)點(diǎn) l– si=ni|wii| 對于所有 ”輸 “的節(jié)點(diǎn) i＝ 1， 2… s，i≠l168。 競爭網(wǎng)絡(luò)修正權(quán)值的公式為– 式中 lr為學(xué)習(xí)速率，且 0＜ lr＜ 1，一般的取值范圍為 ； pj為經(jīng)過歸一化處理后的輸入168。– 給內(nèi)星輸入另一個(gè)輸入矢量 p2，此時(shí)內(nèi)星的加權(quán)輸
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1