Konzeptionalisierung: Naturanaloge Modelle - Cognitive Computing - page 226

ALGORITHMUS : Wettbewerbslernen
WIEDERHOLE
Wähle zufällig Muster aus und lege dies an das Netz.
Bestimme Gewinner_neuron für das Muster
(1) Bestimme Nachbarschaft des Gewinner-Neurons.
Verändere Gewichte der Verbindungen von:
Gewinner-Neuron zu Eingabe-Neuronen
Nachbarschaft-Neuron zu Eingabe-Neuron
(2) Verändere die Netz-Struktur
Verändere die Parameter
SOLANGE gewünschte Anpassung erreicht.
ENDE-ALGORITHMUS

In der Vergleichsphase enthält der Vektor U nur an der Stelle k eine 1, alle anderen Kom-
ponenten sind 0. Der Vektor W k , das ist der Teil der binären Gewichtsmatrix, der dem
Neuron k zugeordnet ist, speichert das Referenzmuster für die Klasse k. Da nun U ver-
schieden vom Nullvektor ist, wird g 1 = 0. Dadurch feuern die Neuronen der Vergleichs-
schicht V nach der 2/3-Regel und liefern wiederum S. Es sind nun ausschließlich die
Komponenten von S aktiv, deren entsprechende Positionen sowohl in der Eingabe I als
auch im Vektor V = W ji *U aktiv sind. D.h., es gilt folgender logischer Zusammenhang:

∧ ∧

S=IV=I W k .

Daraufhin wird dieses S, welches die Ähnlichkeit des Referenzmusters Wk mit der
Eingabe I verkörpert, mit der Eingabe verglichen. Sind die Unterschiede zu stark, d. h.
|S|/|I| < Ähnlichkeitsparameter, feuert das Reset-Neuron. Ist der Wert größer oder gleich
dem Ähnlichkeitsparameter, dann ist die Eingabe als zur Klasse des Neurons k zugehörig
identifiziert worden. Die Gewichte des Referenzvektors werden dementsprechend ange-
passt. Ist keine Ähnlichkeit erkannt worden, wird die Suchphase eingeleitet, d. h., in S
wird wieder ein Abbild der Eingabe erzeugt. Dies wird dadurch realisiert, dass das Reset-
Neuron mit 1 und U als Nullvektor und damit g 1 = 1 wird. Das Neuron k wird aus der Liste
der möglichen Gewinner gestrichen und ein nächstes Gewinner-Neuron wird bestimmt.
Ist das zugehörige Referenzmuster hinreichend ähnlich, wird die Suchphase unterbrochen,
ansonsten wird die Suchphase fortgesetzt. Kann kein Neuron mit hinreichend ähnlichem
Referenzmuster gefunden werden, wird eine neue Klasse angelegt, indem das Eingabe-
muster als Referenzmuster eines bisher noch nicht benutzten Neurons gespeichert wird.
Steht kein Neuron mehr zur Verfügung, kann das Muster nicht klassifiziert werden. Beim
Training wird normalerweise ein Muster so lange angelegt, bis die reellwertigen Gewichte
stabile Werte angenommen haben. Training bedeutet demnach, dass die Referenzmuster
einer Klasse angepasst werden, falls ein weiteres Muster in diese Klasse eingeordnet wur-
de. Das Referenzmuster soll alle bis dahin in diese Klasse eingeordneten Muster möglichst
gut repräsentieren. Daher kommt es in der Phase der Gewichtsanpassung zu Anpassungen
des Referenzmusters während der Trainingsphase.