Red neuronal de 2 capas:

Figura 4.15: Arquitectura de los SOM

Capa de Entrada

§  Cada capa de entrada recibe la señal de entrada a la red (No Hay Procesamiento).

§  Su dimensión,  depende del problema.

§  Será un vector:

	(4.23)

Capa de Competición

§  Está formada por m neuronas.

§  Cada neurona de competición está conectada con todas las neuronas de entrada.

§  Los pesos de la neurona formaran un vector de dimensiones:

	(4.24)

Cabe mencionar que no hay conexión entre las neuronas de competición, sin embargo si existe una relación de vecindad usada en el aprendizaje.

FUNCIONAMIENTO DE LOS SOM DE KOHONEN

§  En el modo de operación normal permanecen fijos los pesos.

o   Cada neurona  calcula la similitud entre el vector de entrada   y su vector de pesos .

o   Vence aquella con mayor similitud.

§  En la fase de aprendizaje, la neurona vencedora ajusta sus pesos aproximándose cada vez más a los de .

o   Por la función de vecindad también se actualizan sus pesos.

El concepto de vecindario es ilustrado en la Fig. 4.16; para la primera figura se ha tomado un vecindario de radio  alrededor de la neurona 13; para la segunda figura se ha tomado un vecindario de radio .

Figura 4.16: Vecindarios

Estos vecindarios pueden definirse como sigue:

El vecindario puede determinarse en diferentes formas; Kohonen, por ejemplo ha sugerido vecindarios rectangulares o hexagonales para lograr alta eficiencia; es importante destacar que el rendimiento de la red no es realmente sensitivo a la forma exacta del vecindario.

La Fig. 4.17 ilustra un mapa de auto organización de dos dimensiones:

Figura 4.17: Mapa de Auto Organización