Обучение слоя Гроссберга
Слой Гроссберга обучается относительно просто. Входной вектор, являющийся выходом слоя Кохонена, подается на слой нейронов Гроссберга, и выходы слоя Гроссберга вычисляются как при нормальном функционировании. Далее, каждый вес корректируется только в том случае, если он соединен с нейроном Кохонена, имеющим ненулевой выход. Величина коррекции веса пропорциональна разности между весом и требуемым выходом нейрона Гроссберга, с которым этот вес соединен. В символьной записи
![](../../../../img/tex/d/b/c/dbc9a68016bc44a088c9e6d0b4cc0e95.png)
где
![](../../../../img/tex/6/6/2/662f91a346e5404143d82f84cc3bcf57.png)
![](../../../../img/tex/6/0/4/6048f1e10201f48f0650ed59edaedd21.png)
![](../../../../img/tex/5/1/d/51d276bcce2e03b8aa80b72b43c73b60.png)
![](../../../../img/tex/e/5/c/e5c56b3f413c625963df2cd10182744f.png)
Первоначально
![](../../../../img/tex/4/7/1/4712c054da62f2f9fcf5a24052c7c7a2.png)
Отсюда видно, что веса слоя Гроссберга будут сходиться к средним величинам от желаемых выходов, тогда как веса слоя Кохонена обучаются на средних значениях входов. Обучение слоя Гроссберга — это обучение с учителем, алгоритм располагает желаемым выходом, по которому он обучается. Обучающийся без учителя, самоорганизующийся слой Кохонена дает выходы в недетерминированных позициях. Они отображаются в желаемые выходы слоем Гроссберга.