پاورپوینت انواع شبکه هاي رقابتي در نرم افزار متلب

دانلود پاورپوینت با موضوع انواع شبکه هاي رقابتي در نرم افزار متلب،

در قالب ppt و در 21 اسلاید، قابل ویرایش.

فهرست :
شبکه هاي رقابتي

شبکه هاي Self-organizing map

شبکه هاي Learning Vector Quantization

طرز کار شبکه هاي رقابتي به اين شکل است که در مرحله اول نروني که کمترين فاصله را با داده ورودي دارد شناسايي مي شود. اين کار با محاسبه منفي فاصله اقليدسي انجام مي گيرد. نروني که کمترين فاطله را دارد نرون برنده ناميده مي شود. در مرحله دوم که نتيجه آن خروجي شبکه است، به نرون برنده مقدار 1 و ساير نرون ها مقدار 0 داده مي شود. تابع تبديل اين شبکه compet است. اين تابع تبديل به کوچکترين ورودي خروجي 1 و به سايرين 0 نسبت مي دهد.
در حالت عادي در شبکه هاي رقابتي باياس قرار داده نمي شود. اما قرار دادن باياس براي شبکه دو فايده دارد: 1) ديگر نرون مرده نخواهيم داشت.
2) تعداد داده ها در همه کلاس ها با توجه به توپولوژي و پراکندگي در فضاي ورودي است. بنابراين تعداد نرون ها در ناحيه اي که داده هاي بيشتري وجود دارد، بيشتر خواهد بود.
نحوه update باياس ها به اين ترتيب است که تعداد دفعاتي که هر نرون برنده مي شود ثبت مي گردد. هرچه درصد برنده شدن يک نرون در دفعات قبلي بالاتر بوده باشد، مقدار باياس آن نرون کوچکتر درنظر گرفته مي شود. بنابراين نرون مرده و يا غير فعال (نرون هايي مه به ندرت فعال مي شوند) وجود نخواهد داشت زيرا حتي با وجود عدم تغيير وزن مربوطه مقدار باياس آن به اندازه کافي بزرگ مي شود تا نرون را به يکي از نرون هاي فعال تبديل نمايد. در آموزش شبکه، ثابت آموزش باياس ها بايستي کوچکتر يا برابر ثابت آموزش وزن ها قرار داده شود. مي توان اين گونه بيان داشت که آموزش وزن ها و باياس ها در جهات مختلف حرکت مي کند!
زماني که با دستور newc يک شبکه رقابتي توليد مي کنيم به طور خودکار به وزن ها و باياس هاي مقدار اوليه اي اختصاص داده مي شود.
اين مقدار اوليه براي تمامي وزنها يکسان و مقدار مياني فضاي ورودي توليدي توسط PR است. با دستورهاي نشان داده شده مي توان اين مقادير (مقادير اوليه باياس ها و  وزن ها) را مشاهده نمود.