7.4.2. Модифицированный алгоритм обучения сети ВАМ

В работе [161] показано, что если сопоставленная обучающей паре энергия не составляет локальный минимум, то обучающая пара не может быть распознана сетью даже тогда, когда начальные значения также равны

Помимо того, ВАМ показывает неважные результаты, если в процессе обучения используются не похожие друг на друга векторы (например, подобным

векторам х сопоставляются не подобные друг другу векторы у, при этом степень подобия векторов измеряется расстоянием Хемминга , т. е. исследуется степень выполнения условия для всех значений и

В работе [163] предложена модификация правила Коско, обеспечивающая распознавание вектора независимо от того, образует он локальный минимум или нет. Вместо выражения (7.25) предлагается использовать

Поправочный компонент равнозначен увеличению в раз участия пары в процессе обучения. Подбор значения важен для достижения ассоциативным запоминающим устройством хорошего качества распознавания. Процедуру добавления поправок можно повторять для каждой пары, не соответствующей условиям критерия минимизации энергетической функции, с использованием зависимости

принимая в качестве матрицу, полученную на предыдущем цикле обучения. В энергетическом смысле предложенная И. Вангом поправка уменьшает значение связанной с парой энергетической функции с

соответствующего локальному минимуму. Предложенный Й. Вангом в работе [161] метод подбора значения основан на формуле

равны максимальным разностям энергии оригинального вектора и векторов, отстоящих от него на расстояние Хемминга, равное 1, во множествах А и В соответственно, Как показали исследования, обсуждаемая модификация также не обеспечивает 100%-ной безошибочности функционирования сети на стадии распознавания. Полную достоверность гарантирует только модификация матрицы весов, предложенная в работе [163].