7. 1. Se presenta E k =(e (k) 1 , … , e (k) N ) a la red. 2. Cada neurona de entrada recibe su valor del vector E k y lo envia a las neuronas de salida. 3. Cada neurona (ns j ) compite con las demas de esta capa, hasta que solo una permanece activa. 4. La neurona vencedora envia su salida a través de las conexiones hacia atrás. 5. Se compara la inf. De entrada E k con la inf. X=W j* =V j* recibida, es decir , con el prototipo de la clase. Funcionamiento
8. 6. Se compara la relación de semejanza entre ambaz inf. Con ρ establecido por el usuario. Si cumple que || E k - X || < ρ entonces la neurona vencedora no representa la categoria apropiada. 7. Si la semejanza evaluada es igual o mayor que el parametro de vigilancia, entonces la neurona que se a activado representa la categoria mas apropiada para la inf. de entrada, procediendo a ajustar los pesos. Funcionamiento
9.
10. 1. Se presenta E k =(e (k) 1 , … , e (k) N ) a la red. 2. Cada neurona de entrada recibe su valor del vector E k y lo envia a las neuronas de salida. 3. Cada neurona (ns j ) compite con las demas de esta capa, hasta que solo una permanece activa. 4. La neurona vencedora envia su salida a través de las conexiones hacia atrás. 5. Se compara la inf. De entrada E k con la inf. X=W j* =V j* recibida, es decir , con el prototipo de la clase. FUNCIONAMIENTO
11. FUNCIONAMIENTO (cont) 6. Se compara la relación de semejanza entre ambaz inf. Con ρ establecido por el usuario. Si cumple que || E k - X || < ρ entonces la neurona vencedora no representa la categoria apropiada. 7. Si la semejanza evaluada es igual o mayor que el parametro de vigilancia, entonces la neurona que se a activado representa la categoria mas apropiada para la inf. de entrada, procediendo a ajustar los pesos.