img228 (11)

222 Sieci samoorganizujące się

Rys. 10.15. Samoorganizacja sieci startująca od dużego początkowego rozrzutu wartości wag

10.5. Co zrobią sieci Kohonena w przypadku trudniejszych danych?

Program ll.BAS ma bardzo bogate możliwości, które dadzą Ci okazję do przeprowadzenia - jeśli Ci tylko fantazji wystarczy - różnych ciekawych eksperymentów. Możesz na przykład zbadać, jak na zachowanie sieci i zachodzące w niej procesy samoorganizacji wpływać będzie sposób pokazywania danych wejściowych. Korzystając z oferowanych przez program opcji szybko przekonasz się, że jeśli podobszar przestrzeni sygnałów wejściowych, z którego rekrutować się będą pokazywane sieci wartości tych sygnałów zostanie jeszcze bardziej ograniczony, niż w przypadku kwadratu, to proces samoorganizacji zmierzać będzie do tego, żeby nie tworzyć nadmiarowych (zbędnych) reprezentacji wejściowych danych. Można więc zauważyć, że podając sygnały wejściowe do uczącej się sieci wyłącznie z jakiegoś wybranego podobszaru, na przykład w formie trójkąta (mój program daje Ci takie możliwości). Zobaczysz wtedy, że wszystkie neurony tak się ustawią, by rozpoznawać i wykrywać wszystkie punkty wewnątrz tego trójkąta (rys. 10.16) - żaden neuron nie wyspecjalizuje się natomiast w tym, żeby rozpoznawać sygnały wejściowe z obszaru położonego poza tym trójkątem -ponieważ takie punkty w czasie uczenia nie były pokazywane, w związku z tym zapewne wcale nie występują i nie trzeba ich rozpoznawać!