vault backup: 2026-05-14 19:26:50

90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md

@@ -7,7 +7,7 @@ tags:
   - clustering
   - self-organizing-maps
 created: 2026-05-07
-updated: 2026-05-07
+updated: 2026-05-14
 title: Алгоритм обучения сети Кохонена
 ---
 
@@ -82,6 +82,16 @@ $$
 
 Алгоритм похож на [[Итерационная классификация. Метод K-средних (K-means)|K-means]] тем, что объект влияет на ближайший прототип. Главное отличие SOM - наличие топологической карты: обновляется не только победитель, но и его соседи, поэтому карта сохраняет отношения близости между областями данных.
 
+## Метод выпуклой комбинации
+
+Случайная инициализация весов может ухудшить качество карты. Плотные классы могут слиться, а близкие образы одного класса - раздробиться на дополнительные подклассы.
+
+Один из способов смягчить эту проблему - метод выпуклой комбинации. Идея в том, что нормализованные входные образы сначала искусственно сближаются между собой, а затем постепенно возвращаются к исходному виду.
+
+Для этого используют коэффициент $\alpha(t)$, который в процессе обучения изменяется от $0$ до $1$. В начале обучения сеть видит почти одинаковые образы и формирует грубую структуру карты. Затем входы всё сильнее приближаются к исходным данным, и карта уточняет разделение классов.
+
+Этот приём снижает риск того, что начальные случайные веса слишком рано закрепят неудачное разбиение данных.
+
 ## Связанные заметки
 
 - [[Нейронная сеть Кохонена]]