Использование нейросетей для анализа звуковой информации
будет максимальным) образуется пузырёк активности
будет максимальным) образуется пузырёк активности (рис.2) , контрастность которого при выполнении итераций постепенно повышается.
Изменение уровней активности нейронов после 10 итераций
Рис. 2
3. Обучение
Обучение такой сети заключается в коррекции весов связей mij для получения желаемого отображения. Сеть обучается без учителя. Вводится следующий закон модификации весов связей:
где a, b – положительные константы.
Если учесть, что соотношение активностей (y) внутри и вне пузырька практически бинарное, и промасштабировать переменные так, что a=b, правило (3) переходит в (4):
где NC – «пузырёк».
Обычно пластичность а и радиус пузырька NC монотонно уменьшаются в процессе обучения.
Т.о. в результате обучения в сети должна формироваться непрерывная упорядоченная карта признаков сигнального пространства. Непрерывность следует из того, что связи соседних пузырьков модифицируются в одном направлении, что приводит к сглаживанию их величин. Упорядоченность была доказана только для одномерного отображения.
Алгоритм обучения
Входные данные: обучающая выборка (набор входных векторов)
Выходные данные: скорректированные связи mij
1. Предъявить сети входной вектор
2. Выполнять итерации до установления стабильного состояния
3. Для всех узлов сети выполнить коррекцию связей согласно (2) или (3)
4. Повторять [1-3] для каждого входного вектора
4. Пример (экспериментальные данные)
Существуют многочисленные экспериментальные данные функционирования сетей с латеральным торможением в двухмерном сигнальном пространстве. В одной из моделей сеть состояла из 100 нейронов и матрицы связей M от двух входных нейронов (x1, x0). Обучение сети выполнялось по вышеописанному алгоритму и проиллюстрировано на рис.3. Здесь каждая точка изображает значения весов связей, каждая линия соединяет топологически ближайшие нейроны.
Функционирование карты Кохонена в двумерном пространстве
Рис. 3
Вначале веса связей выбраны произвольно внутри круга в середине сигнального пространства. После обучения получено равномерное и непрерывное отображение входного пространства на 2-мерную карту признаков.
