Question

我对https://www.sciencedirect.com/science/article/pii/S1568494604001012中提出的非黑边学习算法的再现结果有一些疑问我写了整个类来计算仿真，但是我猜这个问题必须很简单，因为它是简单的数学，应该是可重现的

我正在创建2d节点值数组和3d权重数组（每个步骤我在一个维中为权重添加1个2d矩阵，在节点中为新值添加1行）
我更新边缘值（只是开始时不为零的那些值）2
我更新节点的值（通过sigmoid函数“标准化”它们） 1

（链接1和2指向方程式摘要）

n-学习率，为0.04 伽玛0.98 nhb是一门课程，但太大了，无法发布所有内容。看来问题出在这里，我会很感激找到它的帮助，sign是sign function：）

边缘是有组织的，因此行是源节点，列是目标节点，例如W [2,1,3]将是第3次迭代中从节点2到节点4的边的值。 A [3,1]将是第4次迭代中节点2的值。

    for step in range(100):
        nhb.next_step()
        
        # updating A
        for i in range(nConcept):
            A = nhb.A[-2,i] + np.dot(nhb.A[-2],nhb.W[-2,:,i])
            nhb.A[-1,i] = nhb.sigmoid(A,1)
        
        # updating W
        
        for row in range(nConcept): # source
            for col in range(nConcept): # target
                if (row == col) or (nhb.W[0,row,col] == 1):
                    continue
                
                nhb.W[-1,row,col] = nhb.gamma * nhb.W[-2,row,col] + nhb.n * nhb.A[-2,col] * 
                (nhb.A[-2,row] - nhb.sign(nhb.W[-2,row,col]) * nhb.A[-2,col] * nhb.W[-2,row,col])
    #             nhb.update_edge(row,col,option=1)

节点和边的初始值在文章中有所描述，但

W_init = np.asarray([[0,-0.4,-0.25,0,0.3],[0.36,0,0,0,0],[0.45,0,0,0,0],[-0.9,0,0,0,0],[0,0.6,0,0.3,0]])
A0 = np.asarray([[0.4, 0.7077, 0.6120, 0.7171, 0.3]])

然后在第17步之后应该是：

W_final =np.asarray([
[0,-0.1736,-0.0265,0,0.479],
[0.5103, 0, 0, 0, 0],
[0.5753, 0, 0, 0, 0],
[-0.90, 0, 0, 0, 0],
[0, 0.707, 0, 0.493, 0]])

当我离我很近但仍然不在的时候

W = np.asarray([[ 0.        , -0.24525467, -0.0690278 ,  0.        ,  0.44435492],
       [ 0.51393603,  0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.55661828,  0.        ,  0.        ,  0.        ,  0.        ],
       [-0.83920385,  0.        ,  0.        ,  0.        ,  0.        ],
       [ 0.        ,  0.68916266,  0.        ,  0.46529029,  0.        ]])

FCM hebbian学习算法

0 个答案: