A=compet(W"P, B): 8.2.2竞争学习规则 竞争网络在经过竞争而求得获胜节点后,则对与获胜节点相连的权值进行调整,调整权 值的目的是为了使权值与其输入矢量之间的差别越来越小,从而使训练后的竞争网络的权值 能够代表对应输入矢量的特征,把相似的输入矢量分成了同一类,并由输出来指示所代表的 类别。 竞争网络修正权值的公式为: △w;=r·(pj-wj) 式中Ir为学习速率,且0<Ir<1,一般的取值范围为0.01-0.3:p为经过归一化处理 后的输入。 用 MATLAB工具箱来实现上述公式的过程可以用内星学习规则 A= compe(W→P); W=learnis(P, A, Ir, w) W=W十dW 更省时地是采用科荷伦学习规则如下: A=compet(W"P) i=find(A==1); dw=learnis(P, 1, Ir, W): W=W十dW: 不论采用哪种学习方法,层中每个最接近输入矢量的神经元,通过每次权值调整而使权 值矢量逐渐趋于这些输入矢量。从而竞争网络通过学习而识别了在网络输入端所出现的矢 量,并将其分为某一类。 8.2.3竞争网络的训练过程 弄懂网络的训练过程是为了更好地设计出网络 因为只有与获胜节点相连的权值才能得到修正,通过其学习法则使修正后的权值更加接 近其获胜输入矢量。结果是,获胜的节点对将来再次出现的相似矢量(能被偏差公所包容11 A＝compet(W*P，B)； 8．2．2 竞争学习规则 竞争网络在经过竞争而求得获胜节点后，则对与获胜节点相连的权值进行调整，调整权 值的目的是为了使权值与其输入矢量之间的差别越来越小，从而使训练后的竞争网络的权值 能够代表对应输入矢量的特征，把相似的输入矢量分成了同一类，并由输出来指示所代表的 类别。 竞争网络修正权值的公式为： 式中 lr 为学习速率，且 0＜lr＜1，一般的取值范围为 0.01-0.3； pj 为经过归一化处理 后的输入。 用 MATLAB 工具箱来实现上述公式的过程可以用内星学习规则： A＝compet(W*P)； dW＝learnis(P，A，lr，W)； W＝W 十 dW； 更省时地是采用科荷伦学习规则如下： A＝compet(W*P)； i＝find(A==1)； dW＝learnis(P，i，lr，W)； W＝W 十 dW； 不论采用哪种学习方法，层中每个最接近输入矢量的神经元，通过每次权值调整而使权 值矢量逐渐趋于这些输入矢量。从而竞争网络通过学习而识别了在网络输入端所出现的矢 量，并将其分为某一类。 8．2．3 竞争网络的训练过程 弄懂网络的训练过程是为了更好地设计出网络。 因为只有与获胜节点相连的权值才能得到修正，通过其学习法则使修正后的权值更加接 近其获胜输入矢量。结果是，获胜的节点对将来再次出现的相似矢量(能被偏差公所包容