For tackling the crucial problem de

For tackling the crucial problem described above, we propose here an new version of CL-RPCL, by adding a new
mechanism into FSCL. The basic idea is that for each input
not only the weight vector d, of the unit which wins the
competition is modified to adapt to the input, but also the
weight vector G,. of its rival (i.e., the second winner) is
delearned by a learning rate smaller than that used by Gc.
Specifically,we modify the algorithm given in the beginning
of Section I1 into the following one.

ผลลัพธ์ (ไทย) 1:

สำหรับการแก้ปัญหาปัญหาสำคัญที่อธิบายไว้ข้างต้น เราเสนอนี่รุ่นใหม่ของ CL-RPCL เพิ่มใหม่กลไกเป็น FSCL ความคิดพื้นฐานคือการป้อนข้อมูลแต่ละไม่เฉพาะน้ำหนักเวกเตอร์ d หน่วยที่ชนะการมีการปรับเปลี่ยนการแข่งขันเพื่อปรับให้เข้ากับอินพุต แต่การน้ำหนักเวกเตอร์ G ของของคู่ต่อสู้ (เช่น ที่สองผู้ชนะ) เป็นdelearned ตามอัตราการเรียนรู้น้อยกว่าที่ใช้ Gcโดยเฉพาะ เราปรับเปลี่ยนอัลกอริทึมในการเริ่มต้นของ I1 ส่วนเป็นหนึ่งต่อไปนี้

ผลลัพธ์ (ไทย) 2:

สำหรับการแก้ปัญหาที่สำคัญปัญหาที่อธิบายข้างต้นเรานำเสนอที่นี่เป็นรุ่นใหม่ของ CL-RPCL
โดยการเพิ่มใหม่กลไกเข้าFSCL แนวคิดพื้นฐานคือว่าสำหรับแต่ละการป้อนข้อมูลที่ไม่เพียง แต่น้ำหนักเวกเตอร์ d ของหน่วยงานที่ชนะการแข่งขันจะแก้ไขเพื่อปรับให้เข้ากับการป้อนข้อมูลแต่ยังน้ำหนักเวกเตอร์ G ,. ของคู่แข่ง (กล่าวคือผู้ชนะที่สอง) จะdelearned โดยมีอัตราการเรียนรู้ที่มีขนาดเล็กกว่าที่ใช้โดย Gc. โดยเฉพาะเราปรับเปลี่ยนขั้นตอนวิธีการที่กำหนดในการเริ่มต้นของการเข้าสู่มาตรา I1 หนึ่งต่อไปนี้

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม ปัญหาสำคัญที่อธิบายข้างต้น เรานำเสนอที่นี่เป็นเวอร์ชั่นใหม่ของ cl-rpcl โดยการเพิ่มการเข้า fscl ใหม่
. แนวคิดพื้นฐานคือการที่แต่ละอินพุต
ไม่เพียงแต่น้ำหนักเวกเตอร์ D ของหน่วยซึ่งชนะการแข่งขัน
ดัดแปลงเพื่อปรับให้เข้า แต่ยัง
เวกเตอร์น้ำหนักกรัม . ของของคู่แข่ง ( เช่น รองชนะเลิศอันดับ 2 คือ
delearned โดยอัตราการเรียนรู้ขนาดเล็กกว่าที่ใช้โดย GC
โดยเฉพาะ เราปรับเปลี่ยนอัลกอริทึมที่ระบุในตอนแรก
ส่วน i0 ในต่อไปนี้อย่างใดอย่างหนึ่ง