Нейронная сеть Кохонена с элементами памяти в задаче распознавания объектов по пмр ю. А. Мазко



Скачать 85.23 Kb.
Pdf просмотр
Дата17.02.2017
Размер85.23 Kb.
Просмотров183
Скачиваний0

УДК 004.032.2
Нейронная сеть Кохонена с элементами памяти в задаче распознавания объектов по
ПМР
Ю.А. Мазко
ОАО «Радиотехнический институт имени академика А.Л. Минца», г. Москва
Представлена модель нейронной сети Кохонена с элементами памяти представляет собой нейронную сеть Кохонена, каждый нейрон которой обладает элементами памяти. Данные элементы памяти содержат в себе статистику побед.
Нейронная сеть Кохонена с элементами памяти состоит из:
1. Вход сети x
1
..x
N
– входной вектор Х, размерностью N, подаваемый на вход сети.
2. Нейроны сети — представляет собой набор нейронов, на вход которых подается вектор x
1
..x
N
, а на выходе — квадрат евклидова расстояния от вектора x1..xN до вектора w1..wN, где w
1
..w
N
- синаптические веса нейрона сети. Количество нейронов сети (L) -
M ≤ L≤ K
, где M –
количество распознаваемых классов, К — размер обучающей выборки.
3. Счетчики побед T
1
...T
M
– вектор T
1
...T
M
, содержащий в себе статистику побед каждого из нейрона. Каждый нейрон сети имеет такой вектор.
4. Выход сети y
1
...y
M
– представляет собой вектор Y, размерностью M. Формируется при помощи алгоритма работы сети.
Алгоритм работы сети:
1. Подать на вход сети вектор Х.
2. Рассчитать на выходе каждого из нейрона y нр.i квадрат евклидова расстояния вектора x
1
..x
N
с векторами синаптических весов w
1i
..w
Ni
, где i - номер нейрона (от 1 до L).
3. Определить нейрона победителя j, на выходе из которого y нр.j является минимальным среди всех выходов.
4. Определить номер q, который является номером максимального элемента вектора T
1
...T
M
,
соответствующий нейрону j.
5. Вектор y
1
...y
M
заполнить нулевыми значениями. На месте y q
установить единицу,
соответствующую номеру образа.
Алгоритм обучения сети:
1. подать входной вектор x
1
…x
N
на вход нейронной сети;
2. Рассчитать на выходе каждого из нейрона y нр.i квадрат евклидова расстояния вектора x
1
..x
N
с векторами синаптических весов w
1i
..w
Ni
, где i - номер нейрона (от 1 до L).
3. Определить нейрона победителя j, на выходе из которого y нр.j является минимальным среди всех выходов.
4. Изменить синаптические веса нейрона победителя по формуле (1)
w
ij
=
w
ij
+
g (w
ij

x
i
)
(1)
5. Увеличить счетчик нейрона победителя T
j на единицу.
Проведено сравнение разработанной архитектуры нейронной сети с сетью Кохонена. Для этого было спроектировано две нейронные сети Кохонена:
1.Классическая сеть Кохонена: количество нейронов – 2, режим обучения –
последовательный.
2.Сеть Кохонена с элементами памяти: количество нейронов – 4, режим обучения –
последовательный.
Сравнение двух сетей производится по следующим критериям:
- время обучения;
- время функционирования;
- точность классификации.
Для оценки точности работы нейронной сети используется задача распознавания двух объектов ( конуса и цилиндра) по их поляризационным матрицам рассеивания (ПМР). Расчет поляризационной матрицы рассеяния проводился с помощью программы моделирования обратного рассеяния от объекта сложной формы, основанной на фасеточной модели [1].

Объем обучающей выборки составляет 90 примеров, количество эпох – 200. Контрольная выборка состоит из 182 значений. В контрольной и обучающей выборке классы распределены равномерно.
Для моделирования сети Кохонена и сети Кохонена с памятью была разработана программа на языке программирования высокого уровня С++.
В результате моделирования время обучения сети Кохонена составляет 0,0123 с, время обучения сети Кохонена с памятью составляет 0,0145 с.
Время функционирования сети Кохонена составляет 0,0164 с., время функционирования сети Кохонена с памятью составляет 0,0175 с.
Точность распознавания сети Кохонена составляет 0,896, вероятность распознавания сети
Кохонена с памятью – 0,952.
Литература
1.Олюнин Н.Н., Виноградов А.Г., Сазонов В.В. Фасеточная модель в задачах рассеяния радиолокационных сигналов. Препринт РТИ 0702. – М., 2007. – 21 с.

2.C.Хайкин Нейронные сети: полный курс, 2-е изд., испр.: Пер. с англ. – Москва, Издательский дом «Вильямс», 2006. – 1104 с. : ил. – Парал. тит. англ.


Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©nethash.ru 2017
обратиться к администрации

войти | регистрация
    Главная страница


загрузить материал