Podręcznik

Podstawę samoorganizacji sieci neuronowych stanowi zaobserwowana prawidłowość, że globalne uporządkowanie sieci jest możliwe przez działania samoorganizujące prowadzone lokalnie w różnych punktach sieci, niezależnie od siebie. W wyniku przyłożonych sygnałów wejściowych następuje w różnym stopniu aktywacja neuronów, dostosowująca się poprzez zmiany wartości wag synaptycznych do zmian wzorców uczących. W procesie uczenia istnieje tendencja do wzrostu wartości wag, dzięki której tworzy się rodzaj dodatniego sprzężenia zwrotnego: większe sygnały pobudzające, większe wartości wag, większa aktywność neuronów. Następuje przy tym naturalne zróżnicowanie wśród grup neuronów. Pewne neurony lub grupy neuronów współpracujące ze sobą uaktywniają się w odpowiedzi na pobudzenie w postaci określonych wzorców, przewyższając inne swoją aktywnością. Można tu mówić zarówno o współpracy między neuronami tej samej grupy, jak i o konkurencji występującej wewnątrz grupy i między grupami. Spośród mechanizmów samoorganizacji można wyróżnić dwie podstawowe klasy: mechanizm samoorganizacji oparty na regule korelacyjnej Hebba oraz mechanizm współzawodnictwa między neuronami opierający się na ogólnie pojętej regule współzawodnictwa Kohonena.

Wykład ten poświęcony będzie sieciom samoorganizującym się poprzez współzawodnictwo, zwanym powszechnie sieciami Kohonena. Przedstawimy podstawowe zależności, algorytmy uczące tych sieci oraz ich implementację komputerową w postaci programu Kohon i jego zastosowanie w różnych zadaniach grupowania danych.