第六课 竞争网络与自组织网络 人工神经网络理论及应用课件.ppt

人工神经网络理论及应用 屈桢深 哈尔滨工业大学 竞争网络 学习过程 权值初始化； 计算竞争层各神经元输入值； 将最大神经元输出置1(获胜)，其他置0； 与获胜节点相连接的权值向量进行调整 重复上述过程，直至所有模式均提供给网络；有必要的话多次重复输入模式 竞争学习演示 nnd14cl MATLAB中的竞争型神经网络模型 死神经元问题演示 nnd14cl 良心算法 加入阈值，使获胜的逐渐减小优势 显然，获胜机会少，良心值小，则阈值大 NET = NEWC(PR,S,KLR,CLR) PR – 输入范围矩阵； S - 神经元个数. KLR - Kohonen 学习速率，缺省为0.01. CLR – 良心学习速率,缺省为0.001 自适应谐振网络(ART) ART学习过程 初始化 识别阶段 计算获胜神经元i*，并置1，其余置0 比较阶段 如果满足 ART学习过程(2) 否则进入下一步 (4)寻找阶段 剔除(3)对应节点，在其余节点间搜寻；如始终找不到，到增加新节点 ART演示 nnd16a1 对向传播网络(CP) CP学习过程 初始化 所有输入模式归一化处理 权值w归一化 求竞争层神经元加权输入和，寻找获胜向量(与输入最近),进行竞争/抑制; 对获胜节点对应权值调整： CP学习过程