Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Entrenamiento
Sistemas Autoorganizados
La idea del aprendizaje competitivo está ya trazada en los primeros
trabajos de von der Malsburg (1973) sobre la autoorganización de las
células nerviosas de la corteza cerebral.
En 1975, Fukushima propuso el cognitron que es una red competitiva
multicapa y autoorganizada. Willshaw y von der Malsburg (1976)
trabajaron sobre la formación de las conexiones neuronales mediante
autoorganización y Grossberg (1972, 1976) sobre la clasificación
adaptativa de patrones.
Teorema 1
Si r es la unidad de proceso ganadora cuando se introduce el patrón de
entrada, x=(x1 ,x2 ,…,xN ), entonces
d (x, w r ) d (x, w k ), k 1,2,..., M
Determinación de los pesos sinápticos: Regla de
aprendizaje no supervisada
w i (k 1) w i (k ) w i (k )
(k )( x(k ) w r (k ) si i r
w i (k 1)
0 si i r
w r (k 1) w r (k ) (k )(x(k ) w r (k )) wr(k)
wr(k+1)
x(k)
w r (k 1) (1 (k ))w r (k ) (k )x(k )
k
(k ) 0 (1 ), k 1,2,...
T
ALGORITMO DE APRENDIZAJE COMPETITIVO
INDIVIDUALIZADO
• Esta idea está inspirada en los estudios pioneros que hizo von der Malsburg (1973)
indicando que un modelo del corteza visual puede no estar completamente
predeterminado genéticamente sino que un proceso de autoorganización por aprendizaje
puede ser responsable de la ordenación local de las neuronas.
d (p i , p j ) ( pi1 p j1 ) 2 ( pi 2 p j 2 ) 2 d (p i , p j ) pi1 p j1 pi 2 p j 2
0 0.5 0
Regla de aprendizaje:
w i (k 1) w i (k ) (k )p r , pi (x(k ) w i (k ))
Red de Kohonen
Tipos de rejillas:
N k 1
Preservación de la topología
1 N
ET u (x k )
N k 1
donde
Los valores altos de una U-matriz representan una región frontera entre
clusters mientras que los valores bajos representan un alto grado de
similitud entre las neuronas de esa región (clusters). Podemos utilizar
algún sistema de colores o tonos de gris para realizar una representación
gráfica de dicha matriz.