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: min(d1 , d 2 ,K, d M ) = d j* ; (1.20) 5) Muudetakse neuroni j * ja tema ümbruses U j* ( R) asuvate neuronite kaalukoefitsiente:
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: min(d1 , d 2 ,K, d M ) = d j* ; (1.20) 5) Muudetakse neuroni j * ja tema ümbruses U j* ( R) asuvate neuronite kaalukoefitsiente:
annaabi.ee 
