u1 = 1 and u2 = 0 during the implem

u1 = 1 and u2 = 0 during the implementation of the above
algorithm. Thus $1 is always moving and eventually oscillates
around the mean vector of the two clusters of samples, while
dz is always the loser and remains fixed during the whole
learning process. Such a loser unit is usually called a dead unit.
Unfortunately, the situation of dead units happens quite
often for the above simple CL algorithm unless the weight
638 IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 4, NO. 4, JULY 1993
vectors are initialized near the cluster centers which are the
eventual points of attraction. As mentioned previously in
Section I, many efforts have been made to solve the problem.
An often used strategy, sometimes called conscience, is to
reduce the winning rate of the frequent winners. For example,
in Fig. l(b), when GI initialized at A2 wins a certain number
of times, we force u1 = 0 and u2 = 1 to bring G2 according
to (lb) towards its point of attraction. By doing so, G2 will
be gradually brought towards the right-side cluster while GI
keeps oscillating between the two clusters. Finally W; will
stop oscillating and the two weight vectors will converge to
the two cluster centers. The so called FSCL

ผลลัพธ์ (ไทย) 2:

u1 = 1 และ u2 = 0
ในระหว่างการดำเนินการดังกล่าวข้างต้นขั้นตอนวิธี ดังนั้น $ 1 อยู่เสมอและในที่สุดก็ย้าย oscillates
รอบเวกเตอร์เฉลี่ยของสองกลุ่มตัวอย่างในขณะที่แซทอยู่เสมอแพ้และยังคงได้รับการแก้ไขในช่วงที่ทั้งกระบวนการเรียนรู้ ดังกล่าวเป็นหน่วยแพ้มักจะเรียกว่าเป็นหน่วยที่ตายแล้ว. แต่น่าเสียดายที่สถานการณ์ของหน่วยความตายเกิดขึ้นค่อนข้างบ่อย CL ขั้นตอนวิธีง่ายๆข้างต้นเว้นแต่น้ำหนัก 638 รายการ IEEE บนโครงข่ายประสาท, VOL 4 NO 4 กรกฎาคม 1993 เวกเตอร์จะเริ่มต้นที่อยู่ใกล้ศูนย์คลัสเตอร์ซึ่งเป็นจุดที่น่าสนใจที่สุด ตามที่ระบุไว้ก่อนหน้านี้ในส่วนที่ผมพยายามมากได้รับการทำในการแก้ปัญหา. กลยุทธ์มักจะใช้บางครั้งเรียกว่ามโนธรรมคือการลดอัตราการชนะของผู้ชนะบ่อย ยกตัวอย่างเช่นในรูปที่ ลิตร (ข) เมื่อกูเกิลเริ่มต้นที่ A2 ชนะจำนวนหนึ่งครั้งเราบังคับu1 = 0 และ u2 = 1 จะนำ G2 ตามไป(ปอนด์) ต่อจุดที่น่าสนใจของ โดยการทำเช่น G2 จะถูกนำมาค่อยๆต่อกลุ่มด้านขวาในขณะที่กูเกิลช่วยให้สั่นระหว่างสองกลุ่ม สุดท้าย W; จะหยุดการสั่นและทั้งสองเวกเตอร์น้ำหนักจะมาบรรจบกันไปสองศูนย์กลุ่ม ที่เรียกว่า FSCL

ผลลัพธ์ (ไทย) 3:

U1 U2 = 0 = 1 และระหว่างการดำเนินงานของขั้นตอนวิธีข้างต้น

ดังนั้น $ 1 เสมอไป และในที่สุด oscillates
รอบหมายถึงเวกเตอร์ของทั้งสองกลุ่มของตัวอย่างในขณะที่
DZ เป็นผู้แพ้และไม่เปลี่ยนแปลงตลอดการ
กระบวนการเรียนรู้ ไอ้ขี้แพ้หน่วยมักจะเรียกว่าหน่วยตาย .
แต่สถานการณ์ของหน่วยตายเกิดขึ้นค่อนข้าง
มักจะง่าย CL ขั้นตอนวิธีข้างต้นนอกจากน้ำหนัก
638 อีอีอีธุรกรรมบนเครือข่าย ประสาท เล่มที่ 4 , ฉบับที่ 4 , เวกเตอร์กรกฎาคม 1993
จะเริ่มต้น ใกล้กลุ่มศูนย์ ซึ่งเป็นจุดสุดท้ายของการเที่ยว
. ตามที่กล่าวไว้ก่อนหน้านี้ใน
ส่วนผมมีความพยายามที่จะแก้ปัญหา
มักจะใช้กลยุทธ์ บางครั้งเรียกว่าจิตสำนึก คือ
ลดอัตราชนะผู้ชนะบ่อย ตัวอย่างเช่น
ในรูป L ( B ) เมื่อกีเริ่มต้นที่ A2
ชนะจำนวนหนึ่งของเวลา เราบังคับ U1 U2 = 0 = 1 เอา G2 ตาม
( ปอนด์ ) ไปยังจุดของการดึงดูด โดยการทำเช่นนั้น จะต้องค่อยๆ เอา G2
ต่อคลัสเตอร์ด้านขวาในขณะที่กี
เอาแต่สั่นระหว่างสองกลุ่ม ในที่สุดจะ
W ;หยุดสั่นและสองน้ำหนักเวกเตอร์จะบรรจบ

สองกลุ่มศูนย์ เรียกว่า fscl