The training steps of a SOM are sim

The training steps of a SOM are simple.
Initialise the interconnecting weights with random values.

Present an input pattern to the network.

Choose the output neuron with the highest activation (the “winner”).

Update the weights of neurons that are within the “neighbourhood” of the winner, using a relative learning factor.

Reduce the learning factor monotonically.

Reduce the size of the “neighbourhood” monotonically.

Repeat from step two until only small updates are observed.
The spread of the neighbourhood function will initially include all neurons on the grid, gradually reducing to include only the winning neuron.

Kết quả (Việt) 2:

Các bước đào tạo của một SOM là đơn giản.
Khởi tạo trọng số kết nối với các giá trị ngẫu nhiên. Trình bày một mô hình đầu vào mạng. Chọn neuron đầu ra với các hoạt cao nhất ("người chiến thắng"). Cập nhật các trọng số của các tế bào thần kinh nằm trong " khu phố "của người chiến thắng, bằng cách sử dụng một yếu tố học tập tương đối. Giảm yếu tố học tập một cách đơn điệu. Giảm kích thước của các" khu phố "đơn điệu. Lặp lại từ bước hai cho đến khi chỉ cập nhật nhỏ được quan sát thấy. Sự lây lan của các chức năng khu vực này ban đầu sẽ bao gồm tất cả các tế bào thần kinh trên lưới điện, giảm dần để chỉ bao gồm các neuron chiến thắng.