Нейронні мережі - вступ - важливі параметри
Важливі параметри
Важливі параметри: мережі Кохонена
Наступні аспекти важливі для того, щоб мережа могла досягти стабільного стану (тобто чогось навчитися):
- Лічильник: Кількість прогонів (тобто скільки вхідних векторів представлено в мережі і, отже, як часто змінюються ваги)
- Радіус району: розмір району враховується для коригування ваги
- Параметри навчання: визначає, наскільки змінюються ваги між вхідними одиницями та відповідними вихідними одиницями
- Розмір матриці: Кількість вихідних нейронів: Чим більше вихідних одиниць містить мережа Кохонена, тим точніше вхідний простір можна кластеризувати
- Форма функції сусідства: Функція сусідства визначає спосіб впливу сусідніх нейронів в результаті зміни ваги. Наприклад, сила зміни може зменшуватися лінійно або експоненційно зі збільшенням відстані від переможця
- Як зазначені вище параметри (параметри навчання, розмір радіуса, функція сусідства) змінюються в процесі навчання
- Вимір (2-мірна, 3-мірна,. N-мірна) мережі Кохонена