This is very similar to Equation 2.

This is very similar to Equation 2.3, shown in Chapter 2. In the above equation
the variable p represents the input pattern. The variable w represents the
weight vector. By squaring the differences between each vector component
and taking the square root of the resulting sum, we realize the Euclidean
distance. This measures how different each weight vector is from the input
training pattern.
This distance is calculated for every output neuron. The output neuron
with the shortest distance is called the Best Matching Unit (BMU). The BMU
is the neuron that will learn the most from the training pattern. The neighbors
of the BMU will learn less. Now that a BMU is determined, loop over all
weights in the matrix. Update every weight according to Equation 10.2.

Kết quả (Việt) 1:

Điều này là rất tương tự để phương trình 2.3, minh họa trong chương 2. Trong phương trình trênp biến đại diện cho các mô hình đầu vào. Biến w đại diện cho cáctrọng lượng vector. Bởi bình phương và nhân sự khác biệt giữa mỗi thành phần của vectorvà tham gia bậc hai của tổng kết quả, chúng tôi nhận thấy các Euclidkhoảng cách. Điều này các biện pháp khác nhau như thế nào mỗi vector trọng lượng là từ đầu vàoMô hình đào tạo.Khoảng cách này được tính cho mỗi tế bào thần kinh đầu ra. Tế bào thần kinh đầu ravới khoảng cách ngắn nhất được gọi là đơn vị kết hợp tốt nhất (BMU). BMUlà tế bào thần kinh sẽ học nhiều nhất từ các mô hình đào tạo. Những người hàng xómcủa BMU sẽ học ít hơn. Bây giờ là một BMU được xác định, lặp qua tất cảtrọng lượng trong ma trận. Cập Nhật tất cả trọng lượng theo phương trình 10.2.

Kết quả (Việt) 2:

Điều này là rất tương tự như phương trình 2.3, thể hiện trong Chương 2. Trong phương trình trên
các p biến đại diện cho mô hình đầu vào. Các w biến đại diện cho các
vector trọng lượng. Bằng cách bình phương khác nhau giữa mỗi thành phần vector
và lấy căn bậc hai của số tiền thu được, chúng tôi nhận ra Euclide
khoảng cách. Này đo lường sự khác biệt của mỗi vector trọng lượng là từ đầu vào
mô hình đào tạo.
Khoảng cách này được tính cho mỗi neuron đầu ra. Các neuron đầu ra
với khoảng cách ngắn nhất được gọi là Matching Đơn vị xuất sắc nhất (BMU). BMU
là các tế bào thần kinh sẽ học được nhiều nhất từ các mô hình đào tạo. Những người hàng xóm
của BMU sẽ học được ít. Bây giờ mà một BMU được xác định, vòng lặp qua tất cả các
trọng số trong ma trận. Cập nhật mỗi cân theo phương trình 10.2.