16. La segunda capa de las redes de Hamming, es la llamada capa de competencia, por que cada neurona se excita e inhibe a las demás neuronas . Para simplificar esto definiremos una función de transferencia que haga el trabajo de la capa competitiva. a= compet (n) Algoritmo
17. Esta trabaja encontrando el índice i * de la neurona con la entrada mas grande en la red y mandando la salida de esta a 1. Todas las demás salidas serán 0. La capa competitiva es mostrada de la sig. Forma:
18. Capa 1 (Correlación) vectores prototipo para reconocimiento : Primera capa de la matriz de pesos y umbrales La respuesta de la primera capa es: El prototipo mas cercano al vector de entrada produce la respuesta mas grande.
19. Capa 2 (Competición) La neurona con la condición inicial más grande ganará la competencia. La segunda capa es inicializada con la salida de la primera capa.
21. Aprendizaje Competitivo En la red competitiva, la neurona ganadora tiene una salida de 1, y las otra tienen salida 0. Regla Instar Regla de Kohonen
29. Estabilidad Si los vectores de entrada no quedan bien agrupados por un cluster, entonces para velocidades de aprendizaje grandes la presentación de cada vector de entrada puede modificar la configuración de tal forma que el sistema experimentará una evolución continua.
30. Estabilidad 1 w (0) 2 w (0) p 1 p 3 p 2 p 5 p 6 p 7 p 4 p 8 1 w (8) 2 w (8) p 1 p 3 p 2 p 5 p 6 p 7 p 4 p 8
31.
32.
33. Neuronas Muertas Neuronas con pesos iniciales lejos de cualquier vector de entrada podrían nunca ganar Neurona Muerta Solución: Agregar un umbral negativo a cada neurona, e incrementar el valor del umbral a la neurona ganadora. Esto hará mas difícil ganar a una neurona, si esta gana frecuentemente. A esto se le llama “conciencia.”
![Richard P. Lippmann ,[object Object],Recibio el grado de Dr. en Ingenieria electrica del Instituto Tecnologico de Massachusetts (MIT) en 1978.](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)