Zitat von
Flips:
...Jaein, aber wieso berechne ich dann bei Kohonennetzen den (euklidschen) Abstand von Inputvektor und Gewichtsvektor?
Ein Tupel wäre ja im einfachsten Fall sowas wie ein Array.
Meines Wissens nach ist ein Vektor mathematisch gesehen auch nur ein geordnetes n-Tupel und daher genau richtig für die Berechnungen im Rahmen Neuronaler Netze. Wenn du willst kannst du es dir auch als Array vorstellen. Keinen Sinn macht afaik eine geometrische Deutung (z.B. als Pfeil -
hier kannst du dir auch nochmal die Herleitung der Matrizendarstellung ansehen...).
Was deine Frage mit den Kohonennetzen angeht ist das schon wieder etwas spezieller. Dabei geht es um den Lernalgorithmus, der in Netzen dieser Art angewendet wird. Es handelt sich hierbei um einen besonderen Typ des Lernens, nämlich das unsupervised learning (unbeaufsichtigtes Lernen = ohne Vorgabe von Ausgabemustern). Soweit ich weiß soll im Rahmen des zugehörigen Lernalgorithmus nun ermittelt werden welche Output-
Unit am stärksten erregt wurde. Dazu wird dann der Abstand von Inputvektor und Gewichtsvektor (...der Ouputunit) berechnet. Je geringer nun der Abstand desto stärker die Erregung der
Unit.