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.
đang được dịch, vui lòng đợi..
![](//viimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)