1; ЯКЩО (ОСТАТ (cnt; smplNums) lt; gt; 0; ЯКЩО (RC19=1; RC + 1; RC); 0) ; 0)
[R149C25: R178C25]:=ЕСЛИ (start=1; ЯКЩО (ОСТАТ (cnt; smplNums) lt; gt; 0; ЯКЩО (RC18=winner; RC + 1; RC); 0) ; 0)
Попередні збільшення координат нейронів:
[R116C20: R145C23]:=R [33] C
[R116C24: R145C25]:=ЕСЛИ (R [33] C=0; 0; R [33] C + 1)
Для зручності роботи користувачів на робочий лист Навчання впроваджені керуючі кнопки Навчання, Скидання і Виконати. З першими двома кнопками асоційовані універсальні макроси StartBtn_Click () і InitBtn_Click () точно такі ж, як і в попередніх ітераційних моделях КА, з кнопкою Виконати асоційований макрос Run_Iterations (), що імітує багаторазове натискання кнопки Старт: Sub Run_Iterations ()
Dim Ni As Integeri As Integer=Range ( Ni ) i=1 To Ni.Run Ліст1.StartBtn_Click
NextSub
Кнопка Виконати і пов'язаний з нею макрос Run_Iterations () запускають Ni циклів ітерацій навчання нейронної мережі, кнопка Пуск і макрос StartBtn_Click () запускає один цикл навчання ІНС, що складається з Nr=smplNums? eNums ітерацій (як зазначалося, при eNums=1/smplNums виконується рівно один ітерація), кнопка Скидання і макрос StopBtn_Click () призводять ІНС у вихідне ненавчених стан.
Для запуску процесу навчання нейронної мережі потрібно виконати наступні дії:
. В осередках користувальницького інтерфейсу Число епох (R8C6), Швидкість навчання (R15C5, R15C6), Частка епох взаємодії (R17C5), Число нейронів (R4C9), Ширина карти (R5C9), Число прогонів (R12C9) задати значення необхідних параметрів навчання (рис. 3.11).
. Натиснути кнопку Скидання для приведення нейронів ІНС Кохонена в початкове ненавчених стан.
. Запустити ітерації навчання нейронної мережі при заданих параметрах, натиснувши кнопку Виконати.
Зауважимо, що після навчання мережі протягом заданого числа епох можна, не скидаючи стан нейронів мережі, повторно натиснути кнопку Виконати, і продовжити процес навчання далі. Перед повторним натисканням кнопки Виконати можна також змінити вміст комірки R8C6, збільшуючи або зменшуючи число епох, яке буде виконано в наступних ітераціях.
Створену табличну модель ІНС Кохонена легко модифікувати в декількох відносинах:
. Замість оточення фон Неймана в навчальному клітинному автоматі використовувати оточення Мура, ввівши для цього на самоорганізується мапі Кохонена на додаток до вертикально-горизонтальним зв'язкам ще й діагональні зв'язку.
. Замість підсумовуючого КА використовувати зовні суммирующий навчальний клітинний автомат. Наприклад, навчання нейрона-переможця можна вести з більшою швидкістю, ніж навчання нейронів його оточення.
. Для виборчого розриву зв'язків між нейронами на самоорганізується мапі Кохонена використовувати більш наочний і зручний інтерфейс, використовуючи замість матриці смежностей табличну модель самоорганізується карти, як показано на рис. 3.16.
Рис. 3.16. Таблична модель самоорганізується карти Кохонена: а) оточення фон Неймана, б) оточення Мура
Тут для прикладу в навчальному клітинному автоматі з оточенням фон Неймана залишені тільки горизонтальні зв'язки між нейронами (рис. 3.16а), а в КА з оточенням Мура - діагональні (рис. 3.16б).
На закінчення зайвий раз підкреслимо, що результати модельних експериментів з табличній моделлю ІНС Кохонена, представлені на рис.3.14 праворуч, переконливо підтверджують справедливість теоретичних висновків розділу 3.4.1 про можливість навчання нейронної мережі за допомогою безперервного клітинного автомата.
3.5 Навчання мережі
Навчання мережі виконується в пакетному режимі, тобто КА переходить у новий стан один раз в кінці кожної епохи подачі навчальних образів. При цьому в ітераціях епохи виконується розрахунок майбутнього стану КА. Навчальні образи в ітераціях епохи можуть подаватися на входи нейронної мережі Кохонена в довільному порядку, наприклад, послідовно.
Перевірка працездатності запропонованого алгоритму навчання ІНС Кохонена проводилася за допомогою табличній моделі Excel. Шар нейронів Кохонена включає 30 нейронів, взаємодіючих між собою таким чином, щоб топологічно вони утворювали 5 незалежних одновимірних решіток (клітинних автоматів) по 6 нейронів у кожній.
Третя вибірка містить 150 навчальних образів відомої задачі Фішера про квітках ірису, широко використовуваної в якості типової вибірки при класифікації образів за допомогою ІНС на базі багатошаро...
