Самоорганизующиеся карты Кохонена

Рис. 1.5. Карты Кохонена

Сигнал в такую нейронную сеть поступает сразу на все нейроны, а веса соответствующих синапсов интерпретируются как координаты положения узла, и выходной сигнал формируется по принципу «победитель забирает все» - то есть ненулевой выходной сигнал имеет нейрон, ближайший (в смысле весов синапсов) к подаваемому на вход объекту. Самоорганизующиеся карты Кохонена используют алгоритм обучения без учителя. Обучение состоит из последовательности коррекций векторов, представляющих собой нейроны. На каждом шаге обучения из исходного набора данных случайно выбирается один из векторов, а затем производится поиск наиболее похожего на него вектора коэффициентов нейронов. После того, как найден нейрон-победитель производится корректировка весов нейросети. При этом вектор, описывающий нейрон-победитель и векторы, описывающие его соседей в сетке перемещаются, в направлении входного вектора. В работе [53] самоорганизующаяся карта Кохонена использовалась для детектирования человеческих глаз.

Основной недостаток рассмотренных выше нейронных сетей - то, что изображение представлено в виде п -мерного вектора, не учитывающего ни двумерную локальную организацию пикселей, ни возможностей деформации. То есть данные виды нейронных сетей не обладают инвариантностью к изменению масштаба и повороту. Описываемые далее типы нейронных сетей позволяют учесть топологию пространства изображения. Принципы работы таких сетей основываются на разбиении изображения на маленькие участки и иерархическом сопоставлении как взаимного их расположения, так и содержания.

Неокогнитрон [54,55].

Sn Cn

Рис. 1.6. Структура неокогнитрона

Каждый слой состоит из плоскостей простых и сложных клеток. Каждый нейрон простой плоскости связан с локальным двумерным участком плоскостей предыдущего слоя, веса всех нейронов в пределах одной плоскости одинаковы, и таким образом плоскость реагирует на определённый образ, находящийся в участке изображения. Положение активированного таким образом нейрона в простой плоскости отмечает участок, в котором найден этот образ, независимо от искажения этого образа. Нейрон сложной плоскости связан с участком своей простой плоскости, и обнаруживает активность нейронов на этом участке, уменьшая таким образом чувствительность к позиции образа.

Обучение неокогнитрона осуществляется по методу «обучение без учителя». Механизм обучения использует тип конкурентоспособного обучения. В основе его лежит выделение наиболее сильно возбужденного нейрона в области конкуренции и дальнейшего увеличения его весовых коэффициентов.

В работе [56] неокогнитрон применялся для распознавания рукописных символов.