I dati che vengono forniti in input ad una rete di Kohonen devono essere compresi tra 0 e 1, quindi è necessario fare un preprocessing dei dati al fine di normalizzarli.
Questa operazione si può facilmente ottenere dividendo ogni elemento del vettore per la lunghezza del vettore stesso. La normalizzazione o comunque il preprocessing dei dati può essere effettuato in modi differenti a seconda del tipo di problema: in alcuni casi è molto importante riconoscere la forma dell’ input pattern (es:riconoscimento segnali/immagini), mentre in altri casi è importante anche mantenere intatta una relazione dimensionale tra i pattern di input(es:distinguere i punti definiti da coordinate x/y dentro certe aree).
Anche i pesi della rete devono essere inizializzati con pesi random compresi tra 0 e 1: durante la fase di apprendimento è possibile che i valori dei pesi vadano fuori dal range di normalizzazione ma, normalmente, tendono a rientrare. Comunque è possibile effettuare una normalizzazione di tutti i vettori dei pesi dopo ogni aggiustamento dei pesi del vettore del neurodo vincente(lvq/lvq2) e del neurodo desiderato(lvq2).
Luca Marchese
Successivo: Realizzazione Software
Sommario: Indice