Podręcznik

2. Transformacja i sieci neuronowe PCA

Ważnym typem sieci samoorganizujących są sieci, dla których w procesie uczenia wykorzystuje się współzależności między sygnałami. Sieci takie należą do klasy sieci korelacyjnych, zwanych również hebbowskimi. W trakcie uczenia wykrywają one istotne cechy powiązań korelacyjnych między sygnałami, ucząc się ich i dostosowując do nich wartości swoich wag synaptycznych. W tym rozdziale zostaną omówione aspekty samoorganizacji przy zastosowaniu transformacji PCA (ang. Principal Component Analysis). Transformacja ta jest z natury liniowa (neurony liniowe, powiązania międzyneuronowe liniowe) pozwalając na redukcję wymiarowości wektora wejściowego przy zachowaniu maksimum informacji w nim zawartej.