ора були критичними, це і було б вірною класифікацією. Однак безліч критичних рис стабілізується лише після відносно тривалого навчання. На даній фазі навчання лише деякі компоненти вхідного вектора належать актуальному безлічі критичних рис, тому може знайтися інший нейрон-класифікатор, який на безлічі критичних рис виявиться ближче до вихідного образу. Він і визначається в результаті пошуку. br/>
9.3 Навчання мережі АРТ
На початку функціонування всі ваги B і T нейронів, а також параметр подібності отримують початкові значення. Відповідно до теорії АРТ, ці значення повинні задовольняти умові
В
де m - число компонент вхідного вектора X, значення L> 1. Процес навчання відбувається без вчителя, на основі самоорганізації. Навчання проводиться для ваг нейрона-переможця у разі як успішної, так і неуспеншной класифікації. При цьому ваги вектора B прагнуть до нормалізованої величиною компонент вектора C:
В
При цьому роль нормалізації компонент вкрай важлива. Вектора з великим число одиниць призводять до невеликих значень ваг b, і навпаки. Таким чином, твір
В
виявляється масштабованим. Масштабування призводить до того, що можливо правильне розрізнення векторів, навіть якщо один є підмножиною іншого. Нехай нейрон X1 відповідає образу (100000), а нейрон X2 - образу (111100). Ці образи є, очевидно, різними. При навчанні без нормалізації (тобто b i В® c i ) при вступі в мережу першого способу, він дасть однакові скалярні твори, рівні 1, як з вагами нейрона X1, так і X2. Нейрон X2, у присутності невеликих шумових відхилень у значеннях ваг, може виграти конкуренцію. При цьому ваги його вектора T встановляться рівними (100000), і образ (111100) буде безповоротно "забутий" мережею.
При застосуванні нормалізації вихідні скалярні твори будуть рівні одиниці для нейрона X1, і значенням 2/5 для нейрона X2 (при L = 2). Тим самим, нейрон X1 заслужено і легко виграє конкурентне змагання. p align="justify"> Компоненти вектора T, як уже говорилося, при навчанні встановлюються рівними відповідним значенням вектора C. Слід підкреслити, що це процес незворотній. Якщо якась із компонент t j виявилася рівною нулю, то при подальшому навчанні на фазах порівняння відповідна компонента c j ніколи не отримає підкріплення від t j = 0 за правилом 2/3, і, отже, одиничне значення t j не може бути відновлено. Навчання, таким чином, супроводжується обнуленням все більшого числа компон...
