Архитектура сети

Архитектура слоя Кохонена показана на рис. 7.1.

Рис. 7.1

Нетрудно убедиться, что это слой конкурирующего типа, поскольку в нем применена конкурирующая функция активации. Кроме того, архитектура этого слоя очень напоминает архитектуру скрытого слоя радиальной базисной сети. Здесь использован блок ndist для вычисления отрицательного евклидова расстояния между вектором входа p и строками матрицы весов IW ¹¹. Вход функции активации n ¹ – это результат суммирования вычисленного расстояния с вектором смещения b. Если все смещения нулевые, максимальное значение n ¹ не может превышать 0. Нулевое значение n ¹ возможно только, когда вектор входа p оказывается равным вектору веса одного из нейронов. Если смещения отличны
от 0, то возможны и положительные значения для элементов вектора n ¹.

Конкурирующая функция активации анализирует значения элементов вектора n ¹
и формирует выходы нейронов, равные 0 для всех нейронов, кроме одного нейрона – победителя, имеющего на входе максимальное значение. Таким образом, вектор выхода слоя a ¹ имеет единственный элемент, равный 1, который соответствует нейрону-победителю, а остальные равны 0. Такая активационная характеристика может быть описана следующим образом:

(7.1)

Заметим, что эта активационная характеристика устанавливается не на отдельный нейрон, а на слой. Поэтому такая активационная характеристика и получила название конкурирующей. Номер активного нейрона i ^* определяет ту группу (кластер), к которой наиболее близок входной вектор.