8.2自组织竞争网络 8.2.1网络结构 竞争网络由单层神经元网络组成,其输入节点与输出节点之间为全互联结。因为网络在 学习中的竞争特性也表现在输出层上,所以在竞争网络中把输出层又称为竞争层,而与输入 节点相连的权值及其输入合称为输入层。实际上,在竞争网络中,输入层和竞争层的加权输 入和共用同一个激活函数,如图8.3所示。 竞争网络的激活函数为二值型{0,1}函数 从网络的结构图中可以看出,自组织竞争网络的权值有两类:一类是输入节点j到i的 权值w(i=1,2…、s:j=1,2…、r,这些权值是通过训练可以被调整的;另一类是竞争 层中互相抑制的权值wk(k=1,2…、s)。这类权值是固定不变的,且它满足一定的分布关系 如距离相近的抑制强,距离远的抑制弱。另外,它们是一种对称权值,即有wk=wi,同时 相同神经元之间的权值起加强的作用,即满足w=w1=…=wk>0,而不同神经元之间的 权值相互抑制,对于k≠i有w<0。 P2 ) 图8.3竞争网络结构图 下面来具体分析竞争网络的输出情况。 设网络的输入矢量为:P=[p1p2…,p]; 对应网络的输出矢量为:A=[aa2…,a 由于竞争网络中含有两种权值,所以其激活函数的加权输入和也分为两部分:来自输入 节点的加权输入和N与来自竞争层内互相抑制的加权输入和G。具体地说,对于第i个神经 元有8 8．2 自组织竞争网络 8．2．1 网络结构 竞争网络由单层神经元网络组成，其输入节点与输出节点之间为全互联结。因为网络在 学习中的竞争特性也表现在输出层上，所以在竞争网络中把输出层又称为竞争层，而与输入 节点相连的权值及其输入合称为输入层。实际上，在竞争网络中，输入层和竞争层的加权输 入和共用同一个激活函数，如图 8．3 所示。 竞争网络的激活函数为二值型{0，1}函数。 从网络的结构图中可以看出，自组织竞争网络的权值有两类：一类是输入节点 j 到 i 的 权值 wij(i＝1，2…、s；j＝1，2…、r)，这些权值是通过训练可以被调整的；另一类是竞争 层中互相抑制的权值 wik(k＝1，2…、s)。这类权值是固定不变的，且它满足一定的分布关系， 如距离相近的抑制强，距离远的抑制弱。另外，它们是一种对称权值，即有 wik＝wki，同时 相同神经元之间的权值起加强的作用，即满足 w11＝w11＝…＝wkk＞0，而不同神经元之间的 权值相互抑制，对于 k≠i 有 wij＜0。 图 8．3 竞争网络结构图 下面来具体分析竞争网络的输出情况。 设网络的输入矢量为：P＝[p1 p2 … pr] T； 对应网络的输出矢量为：A＝[a1 a2 … as] T。 由于竞争网络中含有两种权值，所以其激活函数的加权输入和也分为两部分：来自输入 节点的加权输入和 N 与来自竞争层内互相抑制的加权输入和 G。具体地说，对于第 i 个神经 元有：