Предположим, у нас есть шаблон произвольных измерений, однако нам нужны они в одном измерении или двух измерениях. Тогда процесс сопоставления объектов будет очень полезен для преобразования широкого пространства шаблонов в типичное пространство объектов. Теперь возникает вопрос: зачем нам нужна самоорганизующаяся карта объектов? Причина в том, что наряду с возможностью преобразования произвольных измерений в 1-D или 2-D он также должен иметь возможность сохранять топологию соседей.
Топологии соседей в Кохонене СОМ
Могут быть различные топологии, однако наиболее часто используются следующие две топологии:
Топология прямоугольной сетки
Эта топология имеет 24 узла в сетке расстояния 2, 16 узлов в сетке расстояния 1 и 8 узлов в сетке расстояния 0, что означает, что разница между каждой прямоугольной сеткой составляет 8 узлов. Победившая единица обозначена #.
Топология гексагональной сетки
Эта топология имеет 18 узлов в сетке расстояния 2, 12 узлов в сетке расстояния 1 и 6 узлов в сетке расстояния 0, что означает, что разница между каждой прямоугольной сеткой составляет 6 узлов. Победившая единица обозначена #.
Архитектура
Архитектура KSOM аналогична архитектуре конкурентной сети. С помощью схем соседства, обсуждавшихся ранее, обучение может проходить в расширенной области сети.
Алгоритм обучения
Шаг 1 — Инициализировать веса, скорость обучения α и топологическую схему окрестности.
Шаг 2 — Продолжайте шаг 3-9, когда условие остановки не соответствует действительности.
Шаг 3 — Продолжайте шаг 4-6 для каждого входного вектора x .
Шаг 4 — Рассчитать площадь евклидова расстояния для j = 1 до м
D(j)= displaystyle sum limitni=1 displaystyle sum limitmj=1(xi−wij)2
Шаг 5 — Получить выигрышную единицу J, где D (j) минимально.
Шаг 6 — Рассчитайте новый вес выигрышной единицы по следующему соотношению —
wIJ(новый)=wIJ(старый) + альфа[xя−wIJ(старый)]
Шаг 7 — Обновите скорость обучения α следующим соотношением —
alpha(t+1)=0.5 alphat
Шаг 8 — Уменьшить радиус топологической схемы.
Шаг 9 — Проверьте состояние остановки сети.