hejianhua-神經(jīng)網(wǎng)絡(luò)講義-part6-自組織網(wǎng)絡(luò)(編輯修改稿)
2025-06-24 01:20 本頁面
【文章內(nèi)容簡介】 “贏”了，則有： 而其他所有節(jié)點的輸出均為零，即： 此時 b)如果在競爭后，第 i個節(jié)點“輸”了，而“贏”的節(jié)點為 l， 則有： 此時 所以對整個網(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 l si=ni|wii| 對于所有 ” 輸 “ 的節(jié)點 i＝ 1， 2… s， i≠l 由此可以看出 ， 經(jīng)過競爭后只有獲勝的那個節(jié)點的加權(quán)輸入總和為最大 。 競爭網(wǎng)絡(luò)的輸出為： 在判斷競爭網(wǎng)絡(luò)節(jié)點勝負的結(jié)果時，可直接采用 ni， 即： 取偏差 B為零是判定競爭網(wǎng)絡(luò)獲勝節(jié)點時的典型情況，偶而也采用下式進行競爭結(jié)果的判定： 通過上面分析，可以將競爭網(wǎng)絡(luò)的工作原理總結(jié)如下：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)點贏得輸出為 1，而其他神經(jīng)元的輸出皆為 0。這個競爭過程可用 MATLAB描述如下： n＝ W*P； [S， Q]＝ size(n)； x＝ n+b*ones(1， Q)； y＝ max(x)； for q＝ 1： Q ％ 找出最大加權(quán)輸入和 y(q)所在的行； s＝ find(x(:, q)＝ y(q))； ％ 令元素 a(z， q)＝ 1， 其他值為零； a(z(1)， q)＝ 1； end 這個競爭過程的程序已被包含在競爭激活函數(shù)， A＝ pet(W*P， B)； 8． 2． 2競爭學(xué)習(xí)規(guī)則 競爭網(wǎng)絡(luò)在經(jīng)過競爭而求得獲勝節(jié)點后，則對與獲勝節(jié)點相連的權(quán)值進行調(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，把相似的輸入矢量分成了同一類，并由輸出來指示所代表的類別。 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。 用 MATLAB工具箱來實現(xiàn)上述公式的過程可以用內(nèi)星學(xué)習(xí)規(guī)則： A＝ pet(W*P)； dW＝ learnis(P， A， lr， W)； W＝ W十 dW； 更省時地是采用科荷倫學(xué)習(xí)規(guī)則如下： A＝ pet(W*P)； i＝ find(A==1)； dW＝ learnis(P， i， lr， W)； W＝ W十 dW； 不論采用哪種學(xué)習(xí)方法，層中每個最接近輸入矢量的神經(jīng)元，通過每次權(quán)值調(diào)整而使權(quán)值矢量逐漸趨于這些輸入矢量。從而競爭網(wǎng)絡(luò)通過學(xué)習(xí)而識別了在網(wǎng)絡(luò)輸入端所出現(xiàn)的矢量，并將其分為某一類。 8． 2． 3競爭網(wǎng)絡(luò)的訓(xùn)練過程 競爭網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練過程，實際上是對輸入矢量的劃分聚類過程，使得獲勝節(jié)點與輸入矢量之間的權(quán)矢量代表獲勝輸入矢量。 這樣，當達到最大循環(huán)的值后，網(wǎng)絡(luò)已重復(fù)多次訓(xùn)練了 P中的所有矢量，訓(xùn)練結(jié)束后，對于用于訓(xùn)練的模式 P， 其網(wǎng)絡(luò)輸出矢量中，其值為 1的代表一種類型，而每類的典型模式值由該輸出節(jié)點與輸入節(jié)點相連的權(quán)矢量表示。 競爭網(wǎng)絡(luò)的輸入層節(jié)點 r是由已知輸入矢量決定的，但競爭層的神經(jīng)元數(shù) s是由設(shè)計者確定的，一般情況下，可以根據(jù)輸入矢量的維數(shù)及其估計，再適當?shù)卦黾有?shù)目來確定。 另外還要事先確定的參數(shù)有：學(xué)習(xí)速率和最大循環(huán)次數(shù)。競爭網(wǎng)絡(luò)的訓(xùn)練是在達到最大循環(huán)次數(shù)后停止，這個數(shù)一般可取輸入矢量數(shù)組的 15— 20倍，即使每組輸入矢量能夠在網(wǎng)絡(luò)重復(fù)出現(xiàn) 15~20次。 競爭網(wǎng)絡(luò)的權(quán)值要進行隨機歸一化的初始化處理 ， 這個過程在 MATLAB中用函數(shù) ： w＝ randnr(S， R)； 然后網(wǎng)絡(luò)則可以進入競爭以及權(quán)值的調(diào)整階段。 網(wǎng)絡(luò)的訓(xùn)練全過程完全由計算機去做，工具箱中的競爭網(wǎng)絡(luò)訓(xùn)練函數(shù)為 ， 它的用法如下：
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1