1.2.10. Сеть Кохонена

Другое название - самоорганизующаяся карта признаков

Кохонена (Kohonen's self organizing feature шар).

Предложена Кохоненом в 1984 году. К настоящему времени существует множество модификаций исходной модели с богатой математической теорией вокруг них.

Входные сигналы - вектора действительных чисел - последовательно предъявляются сети. Желаемые выходные сигналы не определяются. После того, как было предъявлено достаточное число входных векторов, синаптические веса сети определяют кластеры. Кроме того, веса организуются так, что топологически близкие узлы чувствительны к похожим внешним воздействиям (входным сигналам). Для реализации алгоритма необходимо определить меру соседства нейронов (меру близости). Зоны соседства уменьшаются с течением времени. Алгоритм Кохонена формирования карт признаков:

1. Инициализация сети: Весовым коэффициентам сети присваиваются малые случайные значения. Общее число синаптических весов - M*N.

Предъявление сети нового входного сигнала.

Вычисление расстояния до всех нейронов сети.

Выбор нейрона с наименьшим расстоянием.

Производится подстройка весов для нейрона "победителя" и всех нейронов из его зоны соседства NE.

Возвращение к шагу 2.

Области применения: кластерный анализ, распознавание образов, классификация. Сеть может быть использована для кластерного анализа только в том случае, если заранее известно число кластеров, В отличие от сети ART Гроссберга, сеть Кохонена способна функционировать в условиях помех, так как число классов фиксировано, веса модифицируются медленно, настройка весов заканчивается после обучения (в сети ART настройка продолжается непрерывно). Одна из модификаций состоит в том, что к сети Кохонена добавляется сеть MAXNET, которая определяет нейрон с наименьшим расстоянием до входного сигнала. Источники: [3], [51], [76].