Baixe o app para aproveitar ainda mais
Prévia do material em texto
Rede Neural Não Supervisionada: Mapa auto-organizáveis - Rede de Kohonen -Teoria da ressonância adaptativa Topologia(Rede de Kohonen) ------ * Algoritmo *----------- Inicializados dos pesos Para t=1 a (máximo de iterações) Selecione entrada 1 Verifique qual neurônio “é mais parecido” com a entrada (O neurônio mais parecido ganha comeptição) Ajuste dos pesos do neurônio vencedor T <- t+1 *Ajuste dos pesos: w(t+1)=W(t)+alpha(xi-wi).h Verm = taxa de aprendizado Verd=distância Azul=Vizinhança Ex: Agrupar em 2 classes os seguintes padrões: P1:[1100] P2:[0001] P3:[1000] P4:[0011] Pesos iniciais: W: 0.2 0.8 0.6 0.4 0.5 0.7 0.9 0.3 W é uma matriz ! (2x2) M=2/////alpha=0.6////////alpha(t+1)=0.5*alpha(t) Apresenta padrão 1: P1:[1100] D(1)=(0.2-1)²+(0.6-1)²+(0.5-0)²+(0.9-0)² D(1)=1.86 D(2)=(0.8-1)²+(0.4-1)²+(0.7-0)²+(0.3-0)² D(2)=0.98 O vencedor foi o 2 (D(2)). Atualização dos pesos: Wn= Wa +alpha[x-w] Wn=[0.8 0.4 0.7 0.3] + 0.6[0.2 0.6 -0.7 -0.3] = [0.8 0.4 0.7 0.3] + [0.12 0.36 -0.42 -0.18] = [0.92 0.76 0.28 0.12] *Wn= 0.2 0.92 0.6 0.76 0.5 0.28 0.9 0.12 O (*Wn) é uma matriz 2x2. Apresenta Padrão 2 P2=[0001]
Compartilhar