Kohonennetze / Selforganizing Maps

Berechnung

Die Berechnung von Kohonennetzen erfolgt in der Trainingsphase in folgenden Schritten:

1. Startwerte festlegen: Die Gewichte werden zufällig generiert. Außerdem legt man die Lernkonstante, den Radius, die Nachbarschaftsfunktion sowie die maximale Anzahl an Durchläufen fest (s. auch folgender Abschnitt).
2. Auswahl eines Inputvektors: Ein Inputvektor wird ausgewählt bzw. zufällig generiert.
3. Aktivitätsberechnung und Auswahl: Die Aktivität der Output-Neuronen wird berechnet. Die Unit mit der maximalen Erregung wird ausgewählt. Das ist jene, deren Gewichtsvektor die geringste Distanz zum Inputmuster aufweist, sprich dem Inputvektor am ähnlichsten ist.
4. Gewichtsmodifikation: Die Gewichte zur Gewinner-Unit werden so verändert, dass sie dem Input-Vektor ein wenig ähnlicher werden. Ebenso, allerdings in abgeschwächter Form, die Gewichte aus der Nachbarschaft dieser Unit. Zudem wird der Lernparameter (alpha) reduziert und gegebenenfalls der Radius für die Nachbarschaft eingegrenzt. Danach geht es wieder mit dem ersten Schritt von vorne los.
5. Abbruch: Der Abbruch erfolgt, wenn die maximale Anzahl der Durchläufe erreicht ist. Durch die ständigen Gewichtsveränderungen werden einzelne Gewichte bestimmten Inputvektoren immer ähnlicher (siehe Kompetitive Netze). Die Lernkonstante wird kontinuierlich reduziert, wodurch die Korrekturen der Gewichte zu Beginn größer ausfallen als am Ende des Trainings. Somit stellt sich allmählich ein stabiler Zustand ein. Zusätzlich kann noch der Radius der Nachbarschaft reduziert werden, um den Einfluss auf der Gewinner-Einheit benachbarte Units kontinuierlich zu reduzieren.