A detailed description of the compl

A detailed description of the complete SOM algorithm is
presented in [18]. In what follows, we provide a summary of
the main steps of how the SOM’s learning process works.
1) Initialization: at the beginning of the process all neuron
vectors have their synaptic weights randomly generated.
Such vectors must have the same dimension of the entry
pattern space.
2) Sampling: a single sample x is chosen from the entry
pattern space, and fed to the neuron grid.
3) Competition: based on the minimum Euclidean distance
criterion the winning neuron i(x) is found as follows:

Kết quả (Việt) 1:

Một mô tả chi tiết của các thuật toán SOM đầy đủ là
trình bày trong [18]. Điều gì sau, chúng tôi cung cấp một bản tóm tắt của
các bước chính của làm thế nào SOM của học quá trình hoạt động.
1) khởi tạo: ở đầu của quá trình tất cả neuron
vectơ có của trọng lượng synaptic ngẫu nhiên tạo ra.
vector như vậy phải có kích thước tương tự của các mục nhập
mô hình không gian
2) lấy mẫu: một mẫu duy nhất x lựa chọn từ các mục nhập
mô hình space, và cung cấp cho các tế bào thần kinh lưới.
3) cạnh tranh: dựa trên khoảng cách Euclide tối thiểu
tiêu chí i(x) tế bào thần kinh chiến thắng được tìm thấy như sau:

Kết quả (Việt) 2:

Mô tả chi tiết của thuật toán SOM hoàn chỉnh được
trình bày trong [18]. Trong những gì sau, chúng tôi cung cấp một bản tóm tắt của
các bước chính như thế nào quá trình học tập của SOM hoạt động.
1) khởi: lúc bắt đầu của quá trình tất cả các tế bào thần kinh
vector có trọng lượng khớp thần kinh của họ được tạo ngẫu nhiên.
vector này phải có cùng kích thước của các mục nhập
. không gian mô hình
một mẫu duy nhất x được chọn từ mục: 2) lấy mẫu
không gian mô hình, và làm thức ăn cho lưới tế bào thần kinh.
3) Cạnh tranh: dựa trên khoảng cách Euclide tối thiểu
tiêu chuẩn tế bào thần kinh chiến thắng i (x) được tìm thấy như sau: