Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Статьи » Розпізнавання образів за допомогою неординарного алгоритму та програмної реалізації, що здійснює функціонування нової розділеної структури штучної нейронної мережі

Реферат Розпізнавання образів за допомогою неординарного алгоритму та програмної реалізації, що здійснює функціонування нової розділеної структури штучної нейронної мережі





карти; nm - число навчальних образів, що потрапили в околицю Вороного m-го нейрона; xmi (j) - i-ая координата j-го навчального образу з околиці Вороного m-го нейрона; wki - i-ая координата k-го нейрона.

Позначаючи n =, вираз (1) можна переписати у вигляді


(3.2)


де - i-ая координата центра ваги околиці Вороного m-ого нейрона.

Звідси видно, що в кінці кожної епохи k-ий нейрон зміщується на відносну величину? в напрямку центру ваги області простору навчальних образів, утвореної об'єднанням околиць Вороного k-го нейрона і його сусідів-переможців. Зокрема, при?=1 нейрон зміщується точно в центр ваги цієї об'єднаної області.

Очевидно, що прирощення вектора стану k-го нейрона завжди відбувається в напрямку максимальної концентрації навчальних образів цієї об'єднаної області.

Якщо простір навчальних образів утворює односвязанную область, то в пропонованому алгоритмі навчання ІНС Кохонена взагалі відсутнє поняття мертвих нейронів, тобто нейронів, в околиці Вороного яких не міститься жодного навчального образу.

Дійсно, припустимо, що всі навчальні образи сконцентровані в околиці Вороного деякого k-го нейрона. Тоді після першої епохи навчання при швидкості навчання?=1 в цю околицю змістяться всі його сусідні нейрони.

Після другої епохи навчання в область концентрації навчальних образів перемістяться всі найближчі сусіди сусідів k-го нейрона і т.д., поки простір навчальних образів перестав буде справедливо поділено між усіма нейронами прошарку Кохонена.

Для ілюстрації сказаного на рис.3.3 наведено приклад роботи одновимірного клітинного автомата, що реалізує навчання мережі Кохонена з одновимірною топологією. Тут всі навчальні образи сконцентровані в околиці Вороного k-го нейрона, вертикальними пунктирними лініями показані межі околиць Вороного всіх нейронів.



Рис.3.3. Стани одновимірного клітинного автомата:

) початкове; 2) після перших епохи навчання; 3) після 2-х епох навчання; 4) після 3-х епох навчання.


Після першої епохи навчання нейрони k - 1, k і k + 1 з точністю до помилки округлення перемістяться в центр ваги всіх навчальних образів.

Після другої епохи навчання k-ий нейрон залишиться на місці, а нейрони k - 2, k - 1 і k + 1, k + 2 змістяться до центру тяжіння навчальних образів, відповідно розташованих лівіше і правіше k-го нейрона.

Після третього епохи навчання розташування нейронів стане наступним: (k - 3) -ий нейрон - в центрі ваги навчальних образів, розташованих лівіше (k - 2) -го нейрона; (k - 2) -ой нейрон - в центрі ваги околиць Вороного (k - 2) -го і (k - 1) -го нейронів; (k - 1) -ой нейрон - в центрі ваги околиць Вороного (k - 2) -го, (k - 1) -го і k-го нейронів; k-ий нейрон - в центрі ваги околиць Вороного (k - 1) -го, k-го і (k + 1) -го нейронів; (k + 1) -ий нейрон - в центрі ваги околиць Вороного k-го, (k + 1) -го і (k + 2) -го нейронів; (k + 2) -ой нейрон - в центрі ваги околиць Вороного (k + 1) -го і (k + 2) -го нейронів; (k + 3) -ий нейрон - в центрі ваги навчальних образів, розташованих правіше (k + 2) -го нейрона.

Перевірка працездатності запропонованого алгоритму навчання ІНС Кохонена проводилася за допомогою табличній моделі Excel, описаної в наступних розділах. Шар нейронів Кохонена включав 30 нейронів, взаємодіючих між собою таким чином, щоб топологічно вони утворювали 5 незалежних одновимірних решіток (клітинних автоматів) по 6 нейронів у кожній. Навчальні образи (всього 4000 шт.) Рівномірно розподілялися в околиці Вороного четвертого нейрона кожного з одновимірних навчальних КА.

Результати навчання одновимірної мережі Кохонена протягом трьох епох наведені на рис.3.4 і повністю підтверджують теоретичні висновки, иллюстрируемое ріс.3.4б.

До достоїнств запропонованого алгоритму навчання ІНС Кохонена за допомогою безперервного клітинного автомата відносяться:

його детермінованість, обумовлена ??тим, що кінцевий стан КА залежить тільки від початкового стану (положення) нейронів, числа кроків роботи автомата (ітерацій) і швидкості навчання, яка залишається фіксованою і має ясний фізичний зміст;

відсутність евристичних параметрів навчання, таких як залежна від часу функція заходи сусідства raquo ;, монотонно регресний навчальний співмножник та ін.;

автоматично вирішується проблема мертвих нейронів.


Рис.3.4. Стан нейронів мережі Кохонена:

а) початкове; б) після першого епохи навчання; в) після 2-х епох навчання; г) після 3-х епох навчання



Назад | сторінка 22 з 36 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Особливості початкового навчання плаванню дітей молодшого шкільного віку з ...
  • Реферат на тему: Розвиток електронного навчання у вищих навчальних закладах
  • Реферат на тему: Розробка автоматизованих Навчальних систем на Основі методики програмованог ...
  • Реферат на тему: Проектна діяльність як форма навчання студентів у вищих навчальних закладах
  • Реферат на тему: Формування універсальних навчальних дій як ефективний засіб навчання російс ...