Ideghálózatok - Bevezetés - Fontos paraméterek
Fontos paraméterek
Fontos paraméterek: Kohonen hálózatok
A következő szempontok fontosak annak érdekében, hogy a hálózat stabil állapotot tudjon elérni (azaz megtanuljon valamit):
- Számláló: Futtatások száma (azaz hány bemeneti vektor van bemutatva a hálózatnak, és ezáltal milyen gyakran módosítják a súlyt)
- A környék sugara: a súly beállításához figyelembe vett környék nagysága
- Tanulási paraméterek: meghatározza, hogy a bemeneti egységek és az érintett kimeneti egységek közötti súly mennyire változik
- Mátrixméret: Kimeneti idegsejtek száma: Minél több kimeneti egységet tartalmaz a Kohonen hálózat, annál pontosabban csoportosítható a bemeneti tér
- A szomszédsági funkció alakja: A szomszédsági funkció meghatározza, hogy a szomszédos idegsejteket hogyan befolyásolják a súlyváltozások. Például a változás erőssége lineárisan vagy exponenciálisan csökkenhet a győztestől való távolság növekedésével
- Hogyan változtatják meg a fenti paramétereket (tanulási paraméterek, sugárméret, környezeti függvény) a tanulási folyamatban
- A Kohonen-hálózat dimenziói (2-dimenziós, 3-dimenziós, N-dimenziós)