eelnevalt teadmata. Nad peavad õppima ise lähtudes etteantud kriteeriumist. Üks iseõppimise algoritmidest on Kohonen'i algoritm. 1.4.3 Kohonen'i iseorganiseerumise algoritm Kohonen'i iseorganiseeruva närvivõrgu arhitektuur on kirjeldatud peatükis 1.3.3. Vaatleme nüüd tema iseõppimiseks kasutatavat algoritmi. Ta koosneb järgmistest sammudest: 1) Alguses (t=0) kõikidele kaalukoefitsientidele antakse juhuslikke algväärtusi ning määratakse raadiust R , mis määrab iga neuroni ümbrust U(R); 2) Närvivõrgu sisenditele antakse sisendvektorit X (t ) = [ x1 (t ),K, x N (t )] ; 3) Valemi (1.12) arvutatakse järgi iga neuroni j jaoks kaugust d j sisendvektori X (t ) ja kaalukoefitsientide vektori Wij (t ) vahel; 4) Valitakse neuronit j * , mille kaugus on minimaalne:
eelnevalt teadmata. Nad peavad õppima ise lähtudes etteantud kriteeriumist. Üks iseõppimise algoritmidest on Kohonen'i algoritm. 1.4.3 Kohonen'i iseorganiseerumise algoritm Kohonen'i iseorganiseeruva närvivõrgu arhitektuur on kirjeldatud peatükis 1.3.3. Vaatleme nüüd tema iseõppimiseks kasutatavat algoritmi. Ta koosneb järgmistest sammudest: 1) Alguses (t=0) kõikidele kaalukoefitsientidele antakse juhuslikke algväärtusi ning määratakse raadiust R , mis määrab iga neuroni ümbrust U(R); 2) Närvivõrgu sisenditele antakse sisendvektorit X (t ) = [ x1 (t ),K, x N (t )] ; 3) Valemi (1.12) arvutatakse järgi iga neuroni j jaoks kaugust d j sisendvektori X (t ) ja kaalukoefitsientide vektori Wij (t ) vahel; 4) Valitakse neuronit j * , mille kaugus on minimaalne:
annaabi.ee 
