Карти Кохонена, що самоорганізуються

Мережі Кохонена принципово відрізняються від інших приведених типів мереж. У той час як всі інші мережі призначені для задач із керованим навчанням, мережі Кохонена розраховані на некероване навчання. При цьому навчальні дані містять тільки значення вхідних змінних. Схема мережі Кохонена представлена на рис.8.5.

 
  Карти Кохонена, що самоорганізуються - student2.ru

Рис. 0.5. Схема мережі Кохонена

Одне з можливих застосувань таких мереж – дослідницький аналіз даних. Мережа Кохонена може розпізнавати кластери в даних, а також установлювати близькість класів. Таким чином, дослідник може поліпшити своє розуміння структури даних, щоб потім уточнити нейромережеву модель. Якщо в даних розпізнані класи, то їх можна позначити, після чого мережа зможе вирішувати задачі класифікації. Мережі Кохонена можна використовувати й у тих задачах класифікації, де класи вже задані, – тоді перевага буде в тому, що мережа зможе виявити подібність між різними класами.

Інша можлива область застосування – виявлення нових явищ. Мережа Кохонена розпізнає кластери у навчальних даних і відносить усі дані до тих або інших кластерів. Якщо після цього мережа зустрінеться з набором даних, несхожим ні на один з відомих зразків, то вона не зможе класифікувати такий набір і тим самим виявить його новизну.

Мережа Кохонена має всього два шари: вхідний і вихідний, складений з радіальних елементів (вихідний шар називають також шаром топологічної карти). Елементи топологічної карти розташовуються у деякому просторі – як правило двовимірному.

Навчається мережа Кохонена методом послідовних наближень. Починаючи з випадковим чином обраного вихідного розташування центрів, алгоритм поступово поліпшує його так, щоб уловлювати кластеризацію навчальних даних.

При вирішенні задач класифікації в мережах Кохонена використовується так званий поріг доступу. Через те, що в такій мережі рівнем активації нейрона є відстань від нього до вхідного прикладу, поріг доступу відіграє роль максимальної відстані, на якій відбувається розпізнавання. Якщо рівень активації нейрона, що виграв, перевищує це граничне значення, то мережа вважається такою, що не прийняла ніякого рішення.

Наши рекомендации