RED DE CONTRAPROPAGACION DATA PROCESSING

Somos ahora en una posicin para combinar las estructuras componentes del anterior seccin en CPN completo. Todava consideraremos slo el trazar un mapa de avanzado CPN para el momento. Adems, asumiremos que funcionamos un digital la simulacin, entonces no ser necesario modelar explcitamente el interconecta para la entrada se encaman o la capa competitiva. 6.2.1 Forward Mapping Asuma que toda la educacin ha ocurrido y que la red es ahora en una produccin modo. Tenemos una entrada vector, yo, y nos gustara encontrar la correspondencia y vector. El tratamiento es representado en la Figura 6.17 y procede segn el algoritmo siguiente:
1. Normalizar el vector de entrada vector, x-t =

2. Aplicar la entrada vector a la parte x-vector de capa 1. Aplique un cero vector a la parte y-vector de capa 1. 3. Ya que la entrada vector ya es normalizada, la entrada se encama slo distribuye ello a las unidades sobre capa 2. 4. La capa 2 es " un ganador toman todo " la capa competitiva. La unidad cuyo peso vector el ms estrechamente empareja la entrada vector triunfos y tiene un valor de salida de 1. Todas otras unidades tienen las salidas de 0. La salida de cada unidad puede ser calculado segn

5. El ganador solo sobre la capa 2 excita un outstar. Cada unidad en el outstar rpidamente alcanza un valor de equilibrio igual a el el valor del peso sobre la conexin de la capa victoriosa 2 unidad [ve Eq. (6.20)]. Si la unidad zth gana sobre la capa media, entonces la capa de salida produce una salida vector y ' = (wu, W2i..., wn, i) la t, donde m representa el nmero de unidades sobre la capa de salida. Un modo simple de ver este tratamiento es realizar que la salida de equilibrio del outstar es igual a la red del outstar entrada,

Desde Zj = 0 a no ser que la j = i, entonces y ' la q = WkiZi = Wki, que es compatible los resultados obtenidos en la Seccin 6.1. Este algoritmo simple usa el equilibrio, o asinttico, los valores de actividades de nodo y salidas. As evitamos la necesidad de solucionar numricamente toda la correspondencia ecuaciones diferenciales.

Esta figura muestra un resumen del tratamiento hecho sobre un entrada vector por el CRN. La entrada vector, (xi, X2..., xn)t es distribuido a todas las unidades sobre la capa competitiva. El ith la unidad gana la competicin y tiene una salida de 1; todo otro unidades competitivas tienen una salida de 0. Esta competicin con eficacia selecciona la salida apropiada vector por excitando un solo conexin a cada una de las unidades outstar sobre la capa de salida.

6.2.2 ENTRENAMIENTO DE LA CPN Aqu otra vez, asumimos que realizamos una simulacin digital de el CPN. Aunque esta suposicin no elimine la necesidad de encontrar numrico soluciones con las ecuaciones diferenciales, todava podemos aprovechar prenormalizado entrada vectores y un juez externo para determinar a ganadores sobre el competitivo capa. Tambin asumiremos que un juego de entrenar vectores ha sido definido suficientemente. Tendremos ms para decir sobre que el sujeto en una seccin posterior. Como hay dos algoritmos de estudio diferentes en el empleo en el CPN, nosotros mirar cada uno por separado. De hecho, esto es una idea buena de entrenarse la capa competitiva completamente antes de principio a entrenar la capa de salida.
6.2 CPN Data Processing

Las unidades de capa competitiva entrenan segn el instar el estudio del algoritmo descrito en la Seccin 6.1. Ya que tpicamente habr muchos instars sobre el competitivo la capa, el proceso de educacin iterativo describi antes debe ser enmendado

ligeramente. Aqu, como en la Seccin 6.1, asumimos que un racimo de entrada vectors se forma una clase sola. Ahora, sin embargo, tenemos la situacin donde podemos tener vario los racimos de vectors, cada racimo que representa una clase diferente. Nuestro estudio el procedimiento debe ser tal que cada instar aprende (gana la competicin) para todo el vectors en un racimo solo. Lograr la clasificacin correcta para cada uno la clase de entrada vectors, debemos continuar as: 1. Seleccionar una entrada vector entre toda la entrada vectors para ser usado para educacin. La seleccin debera ser arbitraria segn la distribucin de probabilidad del vectors. 2. Normalizar la entrada vector y aplicarlo a la capa CPN competitiva. 3. Determinar cual unidad gana la competicin por calculando la entrada neta valor para cada unidad y seleccionar la unidad con el ms grande (la unidad cuyo el peso vector es el ms cercano a la entrada vector en un sentido de producto interior). 4. Contar un (x - w) para la unidad victoriosa slo, y poner al da el peso de aquella unidad vector segn Eq. (6.12): 5. Repetir pasos 1 a 4 hasta que toda la entrada vectors haya sido procesada una vez. 6. Repetir el paso 5 hasta que toda la entrada vectors haya sido clasificada correctamente. Cuando esta situacin existe, una unidad instar ganar la competicin para toda la entrada vectors en un cierto racimo. Note que podra haber ms que un racimo correspondiente a una clase sola de entrada vectors. 7. Probar la eficacia de la educacin por aplicando la entrada vectors de el varias clases que no fueron usadas durante el proceso de educacin s mismo. Si alguno misclassifications ocurren, la educacin adicional pasa por el paso 6 puede ser requerido, aun cuando toda la educacin vectors est siendo clasificada correctamente. Entrenando finales demasiado bruscamente, la regin de triunfo de una unidad particular puede ser la compensacin demasiado del centro del racimo, y vectors perifrico puede ser misclassified. Definimos la regin de triunfo de un instar como la regin de espacio vectorial vectors que contiene para el cual aquel instar particular ganar la competicin. (Mirar la Figura 6.18.) Una publicacin que hemos pasado por alto en nuestra discusin es la pregunta inicializacin del peso vectors. Para todos excepto los problemas ms simples, arbitrarios el peso inicial vectors no ser adecuado. Ya insinuamos a una inicializacin mtodo antes: El juego cada peso vector iguala a un representante de uno de el racimos. Tendremos ms para decir sobre esta publicacin en la siguiente seccin. Una vez que resultados satisfactorios han sido obtenidos sobre la capa competitiva, la educacin de la capa de outstar puede ocurrir. Hay varios modos de continuar basado en la naturaleza del problema.

En este dibujo, tres racimos de vectors representan tres clases distintas: A, B, y C. Normalizado, este final de vectors sobre la hiperesfera de unidad. Despus de educacin, el peso vectors sobre la capa competitiva ha colocado cerca del centroide de cada uno racimo. Cada peso vector tiene una regin de triunfo representada, aunque no con exactitud, por los crculos utilizados la superficie la esfera alrededor de cada racimo. Note que una de la B vectors usurpa en la regin de triunfo de C que indica que errneo la clasificacin es posible en algunos casos. Suponga aquel cada racimo de entrada vectors representa una clase, y todos vectors en un racimo trazan un mapa de a la salida idntica vector. En este caso, ningn iterativo la educacin del algoritmo es necesaria. Tenemos que slo determinar que la unidad ocultada triunfos para una clase particular. Entonces, simplemente asignamos el peso vector sobre el conexiones apropiadas a la salida se encaman para ser iguales a la salida deseada vector. Es decir si el ith la unidad ocultada gana para toda la entrada vectors de la clase para el cual un es la salida deseada vector, entonces ponemos WM = Ak, donde Wki es el peso sobre la conexin del ith la unidad ocultada a la salida kth unidad. Si cada entrada vector en un racimo traza un mapa de a una salida diferente vector, entonces el outstar el estudio del procedimiento permitir al outstar reproducir el promedio 6.2 CPN Proceso de datos 239 aquella salida vectors cuando cualquier miembro de la clase es presentado a las entradas del CPN. Si saben la salida media vector para cada clase o puede ser calculado por adelantado, luego una asignacin simple puede ser hecha como en el anterior prrafo: Deje a wki = (Ak). Si no saben el promedio de la salida vectors, entonces un procedimiento iterativo puede ser usado basado en Eq. (6.21). 1. Aplicar una entrada normalizada vector, x ^, y su salida correspondiente vector, yt, al x y las entradas de y del CPN, respectivamente. 2. Determinar la unidad de capa competitiva victoriosa. 3. Poner al da los pesos sobre las conexiones de la unidad victoriosa competitiva a las unidades de salida segn Eq. (6.21): 4. Repetir pasos 1 a 3 hasta todo el vectors de todo el mapa de clases a satisfactorio salidas.