Documente Academic
Documente Profesional
Documente Cultură
Juliano Piccoli
Sumário
● Introdução
● Características
● Estrutura da rede
● Processo de treinamento
● Aplicações
Introdução
● Aprendizado não-supervisionado;
– A rede neural necessita de treinamento e de exemplos
para tal, mas não é necessário conhecer com
antecedência o resultado esperado da rede para cada
amostra de treinamento
● Possui apenas duas camadas de neurônios;
● A camada de saída pode possuir mais de uma
dimensão;
● Apenas um neurônio de saída é ativado a cada
amostra apresentada (competição).
Estrutura da rede
● Cada neurônio de
entrada está conectado
a todos os neurônios de
saída (fan-out);
● Pode-se dizer que cada
neurônio de saída
possui um vetor de
pesos.
Escala multidimensional
Treinamento
● Competição
● Adaptação
● Cooperação
Competição
∥ x−w∥ = ∑ x i −w i 2
Adaptação
● Os neurônios vizinhos
também sofrem
adaptações de menor
intensidade
w novo=1−a×h rs ×w anterior a×hrs ×x
2
−∥ r−s∥
h rs=exp 2
s
Algoritmo
Retorna ao
Início primeiro elemento
do grupo de
treinamento
Não
Restam amostras no Incrementa o
grupo de treinamento? contador de
iterações
Sim
Apresentar a próxima
amostra à rede
e determinar o Iterações < limiar
neurônio
vencedor Não
Sim
Aplicar os ajustes
nos pesos Fim
dos neurônios
Aplicações
● Reconhecimento de padrões;
– Reconhecimento de fala,
– Reconhecimento de caracteres,
– Etc.
● Compactação
– O processo de treinamento e classificação da rede neural
de Kohonen pode ser descrito como um processo de
quantização
● Otimização, predição de séries temporais,
filtragem de ruídos, aprendizado de robôs, etc.
Variações no algoritmo