vault backup: 2026-05-07 23:13:06

01 Library/11 Machine Learning/Нейронная сеть Кохонена.md

@@ -26,6 +26,12 @@ title: Нейронная сеть Кохонена
 
 В отличие от многих сетей, обучающихся с учителем, сеть Кохонена обычно работает в режиме самообучения: ей предъявляют входные объекты, а сеть постепенно настраивает веса нейронов так, чтобы разные области карты отвечали за разные группы похожих объектов.
 
+Интуитивно идею можно описать так: за каждым классом или группой похожих объектов закрепляется один нейрон либо группа близких нейронов. Нейрон хранит вектор весов, который постепенно становится представителем своего класса объектов.
+
+![[Pasted image 20260507230701.png]]
+
+Если один и тот же нейрон слишком часто становится победителем, его иногда временно исключают из рассмотрения или тормозят. Это помогает "уравнять права" нейронов выходного слоя и не дать одному прототипу забрать на себя слишком много объектов. Простейший вариант такого механизма - торможение только что выигравшего нейрона.
+
 ## Архитектура
 
 Сеть состоит из двух основных слоев:
@@ -46,6 +52,8 @@ title: Нейронная сеть Кохонена
 - веса самого нейрона-победителя;
 - веса нейронов, лежащих в его окрестности на карте.
 
+Размер окрестности $R$ и скорость обучения обычно задаются как функции времени: на первых итерациях они велики, а затем постепенно уменьшаются. В начале обучения может обновляться большая часть карты, поэтому формируется грубая структура кластеров. Ближе к концу обучения $R$ стремится к нулю, и карта уточняет границы между группами объектов.
+
 Подробная процедура вынесена в [[Алгоритм обучения сети Кохонена]].
 
 ## Связь с кластеризацией