MAPAS AUTO-ORGANIZADOS SMO

(SELF ORGANIZING MAPS )

PRESENTA: ANAHI PRESAS RUIZ
COMPUTO INTELIGENTE
MAPAS AUTO-ORGANIZADOS
En 1982, Teuvo Kohonen presento un modelo de red basado en ciertas
evidencias descubiertas a nivel cerebral. Los SMO pretenden semejar de
forma simplificada la capacidad del cerebro de formar mapas topolgicos a
partir de las seales recibidas del exterior.
Su objetivo es descubrir caractersticas o patrones caractersticos de entre un
conjunto de datos de entrada pero de forma no supervisada.

CARACTERSTICAS
Organizan la informacin de entrada
No presentan las salidas objetivo
No tienen autoridad central
La red descubre por si misma rasgos comunes, irregularidades, correlaciones
de los datos de entrada.
Las neuronas se auto organizan segn la similaridad entre ellas
Posee un aprendizaje no supervisado competitivo.

ARQUITECTURA
ALGORITMO DE APRENDIZAJE (SOLUCIN)
1. Inicializacin de los pesos sinpticos W
ij
(valores aleatorios )

2. Eleccin del patrn entre el conjunto de patrones de entrenamiento
3. Para cada neurona del mapa, calcular la distancia euclidiana entre el
patrn de entrada x y el vector de pesos sinpticos.
Distancia Euclidiana entre el vector sinptico y la entrada

ALGORITMO DE APRENDIZAJE
4. Evaluar la neurona ganadora, la nica neurona ganadora es aquella con los pesos mas
parecidos al patrn. ( Neurona que posee la distancia menor de todas )


4. Actualizar los pesos sinpticos de la neurona ganadora y de sus vecinas segn la regla de
actualizacin de los pesos.

W
ijk
(t+1) = W
ijk
(t) +() h(|i-g|) (x

(t)-w
ijk
(t))



6. Si se llego a al numero de iteraciones establecido o si se mantiene por debajo del umbral de parada
finaliza si no regresa a paso 2.

Funcin vecindad
Dif. Entre el vector de
entrada y el peso actual

Ritmo de aprendizaje
Peso Actual
RITMO DE APRENDIZAJE
Determina la variacin de los pesos en las neuronas. Esta comprendido entre
0 y 1 se actualiza mediante una funcin lineal.
() =
0
+(

0
)

El ritmo de aprendizaje
0
<1
FUNCIN DE VECINDAD
Define en cada iteracin t si una neurona i pertenece o no a la vecindad de la ganadora g. Determina si
las neuronas son vecinas de la ganadora.
= (
1
)
2
+(
2
)
2
2


Radio de vecindad R(t), es el tamao de vecindad actual.
La funcin de vecindad mas simple es de tipo escaln:

, = *
0, >()
1, ()


La neurona pertenece a la vecindad de la ganadora, si d<R(t)


Topologa de vecindad: determina como se conectan las neuronas.





Funciones de vecindad
Cuantifican numricamente el grado de vecindad en funcin de la distancia a la ganadora.


FUNCIN DE VECINDAD
Lineal 2 vecinas Rectangular 4 vecinas Hexagonal 6 vecinas
RESUMEN
Criterio de similitud se obtiene mediante el calculo de la distancia euclidiana
Los pesos se modifican para el factor de aprendizaje
Neuronas vecinas se modifican mediante la funcin de vecindad
La topologa determina como se conectan las neuronas
Inconveniente que presentan SMO es la lentitud del entrenamiento.
Aplicaciones: reconocimiento de voz, reconocimiento de patrones, robtica,
clasificacin, clasificacin de imgenes.