下面以二维神经网络为例解释竞争过程中强化区域的变化。
在输出层中竞争过程中,对于"赢"的那个神经元c,其强化区域是以该神经元为中心的正方形,也可以是六角形的区域Nc,如下图所示:
图6-15 Nc(t)的形状和变化情况
Nc是t的函数,随着t的增加,Nc的面积逐渐缩小,直至最后只剩下一个,或一组的神经元,它们反映了一类样本的属性。
如果输入样本用矢量
表示,P = 1, 2,…, K,共有K个样本;而每个样本的分量
,i=1,…,n,与输入的第i个神经元相联,
与输出的第j个神经元之间的权为w
ij
,而其输出为y
j
。其输入与输出之间满足下列状态方程:
上式中第一个项为输入的加权累加,第二项是一个与y
j
有关的函数,此函数可采用不同的形式,但为非线性项,它的效果是使y
j
的变化速率变慢。
这种网络通过算法的结果是连接权重w
ij
越来越接近输入值
。