Universidade José do Rosário Vellano - UNIFENAS

WEB AULA  

Semana 4:

 

Kohonen

 

Uso

 

Aprendizado

 

Este modelo é extremamente dependente da forma com a qual os padrões de entrada estão definidos. Isso porque o modelo apenas fará uma distribuição dos padrões na rede. Se estes padrões não possuem uma codificação numérica uniformemente distribuída, eles poderão entrar em conflito, não representando o que se deseja. Para tanto, são necessários muitos ajustes iniciais até encontrar-se um pré-processamento adequado à aplicação pretendida.

 

Após um padrão ser inserido na rede, é calculada a distância euclidiana, respectiva a cada neurônio de saída, e, após, verifica-se aquele que alcançou o maior valor. Este neurônio levará o nome de neurônio vencedor , e terá o peso da sua conexão alterada. Além deste neurônio, outros neurônios de saída poderão também ter seus pesos alterados. Isto porque antes de ser realizado o treinamento, ajusta-se uma variável chamada de raio de vizinhança (que poderá ser alterado durante o treinamento). O raio indica a qual distância mínima do neurônio vencedor um determinado neurônio deverá estar para ter seu peso alterado. Este cálculo é feito através da comparação da diferença entre a distância do neurônio vencedor e cada um dos demais, podendo esta distância ser vista como um mapa, como uma separação física entre os neurônios.

 

Reconhecimento

 

Depois de um determinado número de iterações, os pesos da rede estarão ajustados de maneira a poder classificar adequadamente os padrões a serem reconhecidos. Assim, ao ser inserido um padrão, um determinado neurônio de saída se ativará, indicando aquele que tiver a menor distância em relação a sua entrada. Desta forma, a rede não irá exibir um resultado exato de reconhecimento, mas sim, irá classificar o padrão conforme as suas características.

Voltar...