Пакетная самоорганизующаяся функция изучения веса карты
[dW,LS] = learnsomb(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)
info = learnsomb('code')
learnsomb - пакетная самоорганизующаяся функция изучения веса карты.
[dW,LS] = learnsomb(W,P,Z,N,A,T,E,gW,gA,D,LP,LS) принимает несколько входных данных:
W |
|
P |
|
Z |
|
N |
|
A |
|
T |
|
E |
|
gW |
|
gA |
|
D |
|
LP | Параметры обучения, нет, |
LS | Состояние обучения, первоначально должно быть = |
и возвращает следующее:
dW |
|
LS | Новое состояние обучения |
Обучение происходит в соответствии с learnsombПараметр обучения, показанный здесь со значением по умолчанию:
LP.init_neighborhood | 3 | Начальный размер окрестности |
LP.steps | 100 | Этапы упорядочения |
info = learnsomb(' возвращает полезную информацию для каждого code')code символьный вектор:
'pnames' | Возвращает имена параметров обучения. |
'pdefaults' | Возвращает параметры обучения по умолчанию. |
'needg' | Прибыль |
В этом примере определяется случайный ввод P, вывод Aи весовая матрица W для слоя с 2-элементным входом и 6 нейронами. В этом примере также вычисляются положения и расстояния для нейронов, которые появляются в шестиугольном рисунке 2 на 3.
p = rand(2,1);
a = rand(6,1);
w = rand(6,2);
pos = hextop(2,3);
d = linkdist(pos);
lp = learnsomb('pdefaults');
Поскольку learnsom только эти значения необходимы для вычисления изменения веса (см. Алгоритм).
ls = []; [dW,ls] = learnsomb(w,p,[],[],a,[],[],[],[],d,lp,ls)
Можно создать стандартную сеть, использующую learnsomb с selforgmap. Подготовка весов слоя i пользовательской сети для изучения learnsomb:
Набор NET.trainFcn кому 'trainr'. (NET.trainParam автоматически становится trainrПараметры по умолчанию.)
Набор NET.adaptFcn кому 'trains'. (NET.adaptParam автоматически становится trainsПараметры по умолчанию.)
Установить каждый NET.inputWeights{i,j}.learnFcn кому 'learnsomb'.
Установить каждый NET.layerWeights{i,j}.learnFcn кому 'learnsomb'. (Для каждого свойства параметра weight learning автоматически устанавливается значение learnsombПараметры по умолчанию.)
Обучение сети (или возможность ее адаптации):
Набор NET.trainParam (или NET.adaptParam) требуемые свойства.
Звонить train (или adapt).
learnsomb вычисляет изменения веса так, что новый вектор веса каждого нейрона представляет собой средневзвешенное значение входных векторов, на которые нейрон и нейроны в его районе ответили выходом 1.
Фаза упорядочения длится столько шагов, сколько LP.steps.
Во время этой фазы соседство постепенно уменьшается от максимального размера LP.init_neighborhood вниз до 1, где он остается с тех пор.
adapt | selforgmap | train