Мишулина Лабораторный практикум по курсу 2007

4.В чем состоит избирательность нейронов соревновательного слоя по отношению к данным обучающей выборки?

5.Как оценивается расстояние между выборочным примером

ивектором синаптических коэффициентов нейрона?

6.Почему именно потенциалы нейронов соревновательного слоя используются для выявления нейрона-победителя?

7.Объясните правило самообучения нейронов соревновательного слоя.

8.Что называется «эпохой» самообучения соревновательного слоя нейронов?

9.Как влияет выбор параметра скорости самообучения на качество процесса настройки синаптических коэффициентов? Какие практические рекомендации можно дать для выбора этого параметра?

10.Что такое «соревновательная» активационная характери-

стика?

11.Какие негативные особенности можно ожидать при реализации самообучения соревновательного слоя нейронов?

12.Каким способом можно избежать появления «мертвых» нейронов соревновательного слоя?

13.По каким причинам может возникать укрупнение кластеров при обучении соревновательного слоя нейронов?

14.Как практически можно оценить качество обучения соревновательного слоя нейронов? Каким свойством обладает оптимально обученный соревновательный слой?

15.Какое основное качество отличает карту Кохонена от соревновательного слоя нейронов?

16.Приведите примеры оценки расстояния между нейронами в топографической карте. Какими в этих примерах являются линии точек, равноудаленных от фиксированного нейрона?

17.В чем состоит правило обучения нейронов карты Кохонена? Каково его отличие от правила обучения нейронов соревновательного слоя?

18.В чем состоит «раскраска» топографической карты отдельными признаками?

19.Что представляет собой одномерная карта Кохонена?

20.Какой вы можете привести пример практического применения карты Кохонена?

111

Рекомендуемая литература

1.Хайкин С. Нейронные сети: Полный курс. – М.: Издательский дом «Вильямс», 2006.

2.Розенблатт Ф. Принципы нейродинамики. Перцептрон и теория механизмов мозга. – М.: Мир, 1965.

3.Минский М., Пейперт С. Перцептроны. – М.: Мир, 1971.

4.Ежов А.А., Шумский С.А. Нейрокомпьютинг и его приложения в экономике и бизнесе. – М.: МИФИ, 1998.

5.Галушкин А.И. Теория нейронных сетей. – М.: ИПРЖР,

2000.

6.Аксенов С.В. Новосельцев В.Б. Организация и использование нейронных сетей. Методы и технологии. – Томск: НТЛ, 2006.

7.Осовский С. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2002.

8.Горбань А.Н. Обучение нейронных сетей. – М.: СП «Пара-

граф», 1990.

9.Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. – Новосибирск: Наука, 1996.

10.Нейроинформатика / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин и др. – Новосибирск: Наука, 1998.

11.Тархов Д.А. Нейронные сети. Модели и алгоритмы. – М.: Радиотехника, 2005.

12.Бэстенс Д.-Э., Ван Ден Берг В.-М., Вуд Д. Нейронные сети

ифинансовые рынки. – М.: ТВП, 1997.

13.Головко В.А. Нейронные сети: обучение, организация и применение. – М.: ИПРЖР, 2001.

14.Назаров А.В., Лоскутов А.Н. Нейросетевые алгоритмы прогнозирования и оптимизации систем. – С.-Пб.: Наука и техника, 2003.

15.Радченко А.Н. Ассоциативная память. Нейронные сети. Оптимизация нейропроцессоров. – С-Пб.: Наука, 1998.

112