10.4. Cognitron’s Network Training
Bobot aji dari neuron eksitasi dalam struktur kognitif dua lapis adalah
Iterasi oleh? A seperti pada Pers. (10.13) tetapi hanya jika neuron itu adalah neuron yang menang Sebuah wilayah, dimana aji sama seperti di Pers. (10.1) (yaitu, aji adalah bobot pada suatu kegembiraan Masukan ke neuron eksitasi yang diberikan), dan cj menjadi bobot pada masukan ke Neuron penghambat lapisan ini, sedangkan q adalah tingkat pembelajaran (pelatihan) yang disenangi
Iterasi oleh? A seperti pada Pers. (10.13) tetapi hanya jika neuron itu adalah neuron yang menang Sebuah wilayah, dimana aji sama seperti di Pers. (10.1) (yaitu, aji adalah bobot pada suatu kegembiraan Masukan ke neuron eksitasi yang diberikan), dan cj menjadi bobot pada masukan ke Neuron penghambat lapisan ini, sedangkan q adalah tingkat pembelajaran (pelatihan) yang disenangi
Dimana bi adalah bobot pada hubungan antara neuron penghambat lapisan
L1 dan neuron eksitasi pada L2, yang menunjukkan penjumlahan pada bobot dari
Semua neuron L1 excitory ke neuron yang sama dari L2, sedangkan v adalah nilai dari
Keluaran penghambatan seperti pada Persamaan (10.11), q adalah tingkat efisiensi.
Jika tidak ada neuron yang aktif di daerah kompetisi tertentu, maka Persamaan. (10.13), (10.14)
Diganti dengan (10.15), (10.16), masing-masing:
L1 dan neuron eksitasi pada L2, yang menunjukkan penjumlahan pada bobot dari
Semua neuron L1 excitory ke neuron yang sama dari L2, sedangkan v adalah nilai dari
Keluaran penghambatan seperti pada Persamaan (10.11), q adalah tingkat efisiensi.
Jika tidak ada neuron yang aktif di daerah kompetisi tertentu, maka Persamaan. (10.13), (10.14)
Diganti dengan (10.15), (10.16), masing-masing:
Sehingga sekarang semakin tinggi keluaran inhibisi, semakin tinggi bobotnya, tajam
Berbeda dengan situasi menurut Pers. (10.13).
Berbeda dengan situasi menurut Pers. (10.13).
[Kembali]
Komentar
Posting Komentar