79
Rozdział 6. Sieci rezonansowe
Wówczas obszar, w którym spotykają się sygnały wyjściowe Y* z wejściowymi X ulega wzmocnieniu na zasadzie teorii rezonansu. Obszar ten, oznaczany czasem Y*nX ma w omawianym przykładzie postać
i jest lepiej dopasowany do realizacji postawionego przed siecią zadania klasyfikacji od pierwotnego obszaru pobudzeń „zwycięskiego” elementu wyjściowej warstwy sieci. W pierwszym przybliżeniu można przyjąć, że obszar Y*HX odpowiada obszarowi, w którym sygnały pierwszej warstwy są niczerowe, a więc rozkład pobudzeń pierwszej warstwy (pomijając, pewne bardziej subtelne mechanizmy) można zapisać jako
Yd = Y* n X
Działanie mechanizmu uczenia jest.—jak wynikało z przytoczonych uprzednio wzorów — dość złożone i subtelne, ałe w przybliżeniu może być ono opisane następująco. Modyfikacji podlegają jedynie wagi połączeń w*z dochodzących do „zwycięskiego’1 elementu warstwy wyjściowej oraz wagi połączeń wfs (t = 1,2,..., rr) biorących początek w „zwycięskim” neuronie. Wszystkie pozostałe połączenia pozostają nie zmienione.
Modyfikacja połączeń polega (z grubsza) na tym, źe wszystkie wagi wf. odpowiadające połączeniom z pobudzonymi elementami pierwszej warstwy (Ył< = Y9 flX) przymiyą wartości 1, a wszystkie pozostałe 0. Warto zauważyć, że jest to zabieg dość brutalny i pozbawiony subtelności charakterystycznych dla niektórych inny cli metod uczenia! Podobnie modyfikowane są wagi połączeń „w górę” wf, — ich wartości są zerowane dla wszystkich niepobudzonych elementów warstwy wejściowej, względnie są ustawiane na pewną wartość zależną od liczby pobudzonych elementów w przypadku połączeń biorących początek w tych pobudzonych neuronach.
Opisane wyżej działanie sieci ART dotyczyło sytuacji, kiedy na wejście sieci podawane są określone, uiezerowe sygnały X. W takim wypadku działanie sieci jest — jak wykazano wyżej — sensowne i celowe. Jeśli jednak na wejściu sieci nie ma sygnałów (X = 0), to może się zdarzyć, że na którymś z wyjść drugiej warstwy pojawi się na. chwilę sygnał y? ^ 0. Na