شبکه کلاه مکزیکی در متلب

در ادامه آموزش های سایت همیارپروژه در با شبکه کلاه مکزیکی آشنا خواهیم شد .

شبکه کلاه مکزیکی یک شبکه خودسازمانده می باشد.در یک شبکه ي خود سازمان ده که با (Map Organization Self(SOM یا برخی مواقع به صورت(Map Feature Organization Self(SOFM نشان داده می شود، واحد هاي پردازش گر در گرههاي یک شبکه ي یک بعدي، دو بعدي یا بیشتر قرار داده می شوند.
در این دسته از شبکه ها وزن اتصالات بر اساس اهداف مورد نظر در طراحی شبکه در حین طراحی مشخص میشود و مقدار آنها تغییر نمی یابد، یا به عبارت دیگر نیاز به مرحله ي آموزش ندارند در ادامه جهت آشنایی بیشتر
با این گونه از شبکه ها با چند نمونه ي عملی آنها آشنا می شویم.

اهداف استفاده از شبکه کلاه مکزیکی، بیشتر شدن تفاوت بین داده های ورودی می باشد، در این حالت هر واحد با وزن هاي مثبت به همسایه هاي همکار و با وزن هاي منفی به همسایه هاي رقیب واقع در لایه خود وصل می شود.

ساختار شبکه کلاه مکزیکی 

در شبکه ي فوق هر نورون i با R1 نورون دیگر که در هر دو طرف نورون i به صورت متقارن قرار دارند تشکیل همسایگی همکار می دهد و با R1-R2 نورون متقارن در دو طرف خود همسایگی رقیب تشکیل می دهد. R1 را همسایگی همکار و R2 را کل همسایگی متصل می نامند. براي نمونه در شکل فوق یک شبکه ي کلاه مکزیکی با ۱=R1 و ۲=R2 نشان داده شده است. تخصیص وزن ها نیز بدین گونه است که در همسایگی همکار وزن ها مقادیر مثبت دارند ولی در همسایگی
رقیب وزن ها مقادیر منفی دارا می باشند، در ضمن وزن هاي متقارن متصل به هر واحد i با هم مساوي هستند.

این شبکه کاربرد زیادی در انجام پروژه های شبکه عصبی دارد.