CHƢƠNG 3: THUẬT TỐN BẢN ĐỒ TỰ TỔ CHỨC
3.6.Quá trình học của SOM
Quá trình huấn luyện cho SOM là huấn luyện cạnh tranh nên mỗi tập huấn luyện sẽ cĩ một nơron chiến thắng. Nơron chiến thắng này sẽ cĩ trọng số đƣợc điều chỉnh sao cho ngay lập tức nĩ sẽ tác động trở lại mạnh mẽ hơn trong dữ liệu đầu vào ở lần tiếp theo. Sự khác nhau giữa các nơron chiến thắng sẽ dẫn tới sự khác nhau giữa các mẫu đầu vào tiếp theo.
Đầu vào:
1. Xác định cấu trúc và số dịng, số cột bản đồ. 2. Đƣa vào tập dữ liệu học gồm n chiều.
4. Đƣa vào epsilon nếu lỗi lƣợng tử trung bình sau một số bƣớc học nhỏ hơn epsilon thì dừng, thƣờng thì sau mỗi thời kỳ học lỗi lƣợng tử trung bình sẽ đƣợc tính tốn và so sánh với epsilon.
5. Chọn phƣơng thức khởi tạo trọng số cho các vectơ trọng số của các nơron trên bản đồ: ngẫu nhiên, hay ngẫu nhiên từ tập dữ liệu học.
6. Đƣa vào hàm lân cận, thƣờng dùng là hàm Gaussian: ) ( 2 exp 2 2 t r rc i 7. Xác định hàm tốc độ học thƣờng dùng là hàm tuyến tính hay hàm mũ. Đầu ra:
Bản đồ tự tổ chức (SOM) sau khi đƣợc huấn luyện.
***** Các bƣớc thực hiện *****
Bƣớc 1: Khởi tạo bƣớc học đầu tiên t=0 Bƣớc 2: Khởi tạo ngẫu nhiên các nơron.
Bƣớc 3: Chọn ngẫu nhiên vectơ xi từ tập dữ liệu đầu vào.
Bƣớc 4: Tính khoảng cách Euclide từ vectơ xi đến các nơron trên bản đồ. Bƣớc 5: Chọn nơron chiến thắng (BMU) là nơron cĩ vectơ trọng số gần vectơ xi nhất.
Bƣớc 6: Cập nhật trọng số của các nơron chiến thắng bằng hàm lân cận nhân và hàm tốc độ học cho trƣớc.
Bƣớc 7: Hiệu chỉnh trọng số vectơ của nơron chiến thắng và nơron lân cận bằng cơng thức: mi(t1)mi(t)hci(t)x(t)mi(t)
Bƣớc 8: Gán t=t+1. Nếu t > T hay lỗi lƣợng tử trung bình < Epsilon thì DỪNG thuật tốn. Ngƣợc lại, quay về bƣớc 3.
Hình 3.9: Mơ hình huấn luyện SOM