FLOWCHART DELL’ALGORITMO DI APPRENDIMENTO DELLA RETE DI KOHONEN

Presentazione sul tema: "FLOWCHART DELL’ALGORITMO DI APPRENDIMENTO DELLA RETE DI KOHONEN"— Transcript della presentazione:

1 FLOWCHART DELL’ALGORITMO DI APPRENDIMENTO DELLA RETE DI KOHONEN

2 ALGORITMO RETE DI KOHONEN
L’algoritmo di apprendimento di questo tipo di rete è il seguente: Si definiscono con wij(t) (0<=i<=n-1 dove n è il numero di input) il peso tra il neurone i-esimo di input ed il neurone j-esimo della griglia al tempo t. Con ‘tempo’ si indica il passaggio del pattern di apprendimento. I valori dei pesi vengono inizialmente posti tra zero e uno. Si pone come valore di Ni(0) il maggiore possibile (Ni() dovrebbe essere il numero di neuroni vicini al j-esimo neurone). Si presenta un input: x0(t), x1(t), x2(t),…… xn(t) dove xi(t) è l’i-esimo input. Si calcolano le distanze di tra l’input e ciascun neurone di output j: d²j = Σ (xi (t) – wij(t)) ² sommatoria da i=o a n-1 Si seleziona il neurone a cui corrisponde la distanza minima. Indichiamo con j* tale neurone. Si modificano i pesi dal neurone di input ed il neurone j* e tutti i suoi vicini definiti all’interno della superficie definita da Ni*(t). I nuovi pesi sono: wij(t+1) = wij(t) +ŋ(t)[ xi(t) – wij(t)] i|_j*, 0<= i <= n Il termine h(t) è la funzione guadagno (o velocità di adattamento) (0<=h(t)<=1) che decresce nel tempo in modo da rallentare di volta in volta l’adattamento dei pesi. Anche le dimensioni di Ni*(t) decrescono nel tempo in modo da individuare una regione di neuroni sulla griglia. 6) Si ripete tutto a partire dal punto 2).

3 SI NO INIZIO Fisso Wijt con j [o,n-1] i >= n STOP
Wij Peso tra il neurone i-esimo di input e il neurone j-esimo della griglia al tempo t INIZIO Fisso Wijt con j [o,n-1] 1° passo Ni(0) numero neuroni vicino al j-esimo neurone Definisco: Ni(0) =max Ni(0) <= i Wijt  [ 0,1 ] Xi(t) input i-esimo al tempo t 2° passo Presentazione input X0(t)......Xn-1(t) SI i >= n STOP NO Distanza tra i neuroni di input e il j-esimo neurone di output al tempo t Calcolo le distanze n-1 dj2=  (Xi(t)- Wij(t))2 i=0 3° passo Selez. il neurone di out j* tale che dj2 = min

4 h(t) funzione di guadagno Wij(t+1)= Wij(t)+h(t) [Xit-h(t) ]
h(t) decresce Definisco: h(t)  [ 0,1 ] h(t) = (1/n+1)(t) + 1 Definisco i nuovi pesi Wij(t+1)= Wij(t)+h(t) [Xit-h(t) ] con i che va da 0 a n-1 4° passo Nuovi pesi