Rețele neuronale - Introducere - Parametri importanți

Parametri importanți

Parametri importanți: rețele Kohonen

Următoarele aspecte sunt importante pentru ca rețeaua să poată ajunge la o stare stabilă (adică să învețe ceva):

Contor: Numărul de rulări (adică câte vectori de intrare sunt prezentați rețelei și, astfel, cât de des se fac modificări de greutate)
Raza vecinătății: dimensiunea cartierului luată în considerare în ajustările de greutate
Parametrii de învățare: determină cât de mult se schimbă greutățile dintre unitățile de intrare și unitățile de ieșire afectate
Dimensiunea matricei: numărul de neuroni de ieșire: cu cât rețeaua Kohonen include mai multe unități de ieșire, cu atât mai precis spațiul de intrare poate fi grupat
Forma funcției de vecinătate: Funcția de vecinătate determină modul în care neuronii vecini sunt afectați de modificările de greutate. De exemplu, puterea schimbării poate scădea liniar sau exponențial cu creșterea distanței față de câștigător
Cum se modifică parametrii de mai sus (parametrii de învățare, dimensiunea razei, funcția de vecinătate) în procesul de învățare
Dimensiunea (2-dimensional, 3-dimensional,. N-dimensional) a rețelei Kohonen