C++ Neural Networks and Fuzzy Logic: Preface

Adding Characters

The next step of the program is to add characters and see what categories they end up in. There are many

alphabetic characters that look alike, such as H and B for example. You can expect the Kohonen classifier to

group these like characters into the same class.

We now modify the input.dat file to add the characters H, B, and I. The new input.dat file is shown as follows.

0 0 1 0 0   0 1 0 1 0  1 0 0 0 1  1 0 0 0 1  1 1 1 1 1  1 0 0 0 1

 1 0 0 0 1

1 0 0 0 1   0 1 0 1 0  0 0 1 0 0  0 0 1 0 0  0 0 1 0 0  0 1 0 1 0

 1 0 0 0 1

1 0 0 0 1   1 0 0 0 1  1 0 0 0 1  1 1 1 1 1  1 0 0 0 1  1 0 0 0 1

 1 0 0 0 1

1 1 1 1 1   1 0 0 0 1  1 0 0 0 1  1 1 1 1 1  1 0 0 0 1  1 0 0 0 1

 1 1 1 1 1

0 0 1 0 0   0 0 1 0 0  0 0 1 0 0  0 0 1 0 0  0 0 1 0 0  0 0 1 0 0

 0 0 1 0 0

The output using this input file is shown as follows.

—————————————————————————−

       done

——>average dist per cycle = 0.732607 <—−

——>dist last cycle = 0.00360096 <—−

−>dist last cycle per pattern= 0.000720192 <—−

——————>total cycles = 37 <—−

——————>total patterns = 185 <—−

—————————————————————————−

The file kohonen.dat with the output values is now shown as follows.

cycle   pattern    win index   neigh_size    avg_dist_per_pattern

—————————————————————————————————————————————————————————————————

0       0          69          5             100.000000

0       1          93          5             100.000000

0       2          18          5             100.000000

0       3          18          5             100.000000

0       4          78          5             100.000000

C++ Neural Networks and Fuzzy Logic:Preface

Generalization versus Memorization

255

---

1       5          69          5             0.806743

1       6          93          5             0.806743

1       7          18          5             0.806743

1       8          18          5             0.806743

1       9          78          5             0.806743

2       10         69          5             0.669678

2       11         93          5             0.669678

2       12         18          5             0.669678

2       13         18          5             0.669678

2       14         78          5             0.669678

3       15         69          5             0.469631

3       16         93          5             0.469631

3       17         18          5             0.469631

3       18         18          5             0.469631

3       19         78          5             0.469631

4       20         69          5             0.354791

4       21         93          5             0.354791

4       22         18          5             0.354791

4       23         18          5             0.354791

4       24         78          5             0.354791

5       25         69          5             0.282990

5       26         93          5             0.282990

5       27         18          5             0.282990

...

35      179        78          5             0.001470

36      180        69          5             0.001029

36      181        93          5             0.001029

36      182        13          5             0.001029

36      183        19          5             0.001029

36      184        78          5             0.001029

Again, the network does not find a problem in classifying these vectors.

Until cycle 21, both the H and the B were classified as output neuron 18. The ability to

distinguish these vectors is largely due to the small tolerance we have assigned as a

termination criterion.

Previous Table of Contents Next

Copyright ©

 IDG Books Worldwide, Inc.

C++ Neural Networks and Fuzzy Logic:Preface

Generalization versus Memorization

256

---