Нейроны типа WTA

Нейроны типа WTA (Winner Takes All — "Победитель получает все") имеют входной модуль в виде адаптивного сумматора. Выходной сигнал

$Нейроны типа WTA$

-го сумматора определяется по формуле

$Нейроны типа WTA$

По результатам сравнения сигналов

$Нейроны типа WTA$

отдельных нейронов победителем признается нейрон, у которого

$Нейроны типа WTA$

оказался наибольшим. Нейрон-победитель вырабатывает на своем выходе состояние 1, а остальные (проигравшие) нейроны переходят в состояние 0.

Для обучения нейронов WTA учитель не требуется. На начальном этапе случайным образом выбираются весовые коэффициенты

$Нейроны типа WTA$

каждого нейрона, нормализуемые относительно 1 по формуле

$Нейроны типа WTA$

После подачи входного вектора

$Нейроны типа WTA$

, компоненты которого нормализованы по формуле

$Нейроны типа WTA$

определяется победитель этапа. Победитель переходит в состояние 1, что позволяет произвести уточнение весов его входных линий

$Нейроны типа WTA$

по правилу

$Нейроны типа WTA$

Проигравшие нейроны формируют на своих выходах состояние 0, что блокирует процесс уточнения их весовых коэффициентов.

Выходной сигнал

$Нейроны типа WTA$

-го нейрона может быть описан векторным отношением

$Нейроны типа WTA$

Поскольку

$Нейроны типа WTA$

, значение

$Нейроны типа WTA$

определяется углом между векторами

$Нейроны типа WTA$

. Поэтому победителем оказывается нейрон, вектор весов которого оказывается наиболее близким текущему обучающему вектору

$Нейроны типа WTA$

. В результате победы нейрона уточняются его весовые коэффициенты, значения которых приближаются к значениям текущего обучающего вектора

$Нейроны типа WTA$

Следствием конкуренции нейронов становится самоорганизация процесса обучения. Нейроны уточняют свои веса таким образом, что при предъявлении группы близких по значениям входных векторов победителем всегда оказывается один и тот же нейрон. Системы такого типа чаще всего применяются для классификации векторов.

Содержание раздела

Главная сайта