Содержание
- 2. Сеть с самоорганизацией на основе конкуренции Модификация весов по правилу Кохонена. Адаптируются только веса, лежащие в
- 3. Меры расстояния между векторами евклидова мера: Манхэттен: мера относительно нормы L∞:
- 4. Нормализация векторов Способы нормализации: 1. 2. Увеличение размерности пространства на одну координату, чтобы: Необходимость в нормализации
- 5. Общий смысл обучения
- 6. Инициализация весов 1. Инициализация случайным образом (с нормализацией). 2. Метод выпуклой комбинации: 3. Добавление шума к
- 7. Проблема мертвых нейронов 1. Начальная адаптация всех весов. 2. Учет активности нейрона («чувство справедливости») - контролирование
- 8. Алгоритмы обучения 1. WTA с учетом активности нейронов (CWTA): 2. WTM (Winner takes most): а) классический
- 9. Сравнение алгоритмов обучения 1. CWTA. 2. WTM - нейронный газ. 3. Классический алгоритм Кохонена.
- 10. Применение сети Кохонена 1. Компрессия данных. Кадр разбивается на части (входные вектора). Каждой части сопоставляется нейрон-победитель.
- 11. Визуализация многомерной информации Двумерная топографическая карта набора трехмерных данных. Каждая точка в трехмерном пространстве попадает в
- 12. Визуализация деятельности российских банков Исходные данные. 1800 банков. Каждый банк описывается 30 финансовыми показателями. Задача Построить
- 13. Метод решения: карта Кохонена Входной слой: 30 нейронов. Выходной слой: плоскость 20х20 нейронов. Ячейки, содержащие хотя
- 14. Анализ карт Кохонена
- 16. Скачать презентацию