As we see, the value of R determine

As we see, the value of R determines how many clustering units will learn. The total number of cluster units is chosen for a particular problem as the number of groups into which we want to place a given set of input patterns.
The Kohonen learning steps are as follows: Initialize the weights (e.g. random values). Set the neighborhood radius (R) and a learning rate (α). Repeat the steps below until convergence or a maximum number of epochs is reached. For each input pattern X = [x1 x2 x3 ......] Compute a "distance"

Results (Thai) 1:

เราเห็น ค่าของ R กำหนดจำนวนหน่วยระบบคลัสเตอร์จะได้เรียนรู้ จำนวนของหน่วยของคลัสเตอร์ที่สำหรับปัญหาเฉพาะเป็นหมายเลขของกลุ่มที่เราต้องการกำหนดชุดของรูปแบบการป้อนข้อมูลขั้นตอน Kohonen เรียนมีดังนี้: เริ่มต้นน้ำหนัก (เช่นสุ่มค่า) ตั้งย่านรัศมี (R) และอัตราการเรียนรู้(ด้วยกองทัพ) ทำซ้ำขั้นตอนด้านล่างจนบรรจบกัน หรือถึงจำนวน epochs สำหรับแต่ละรูปแบบการป้อนค่า X = [x 1 x 2 x 3...] คำนวณเป็น "ระยะทาง"

Results (Thai) 2:

ที่เราเห็นค่าของ R กำหนดวิธีการจัดกลุ่มหลายหน่วยจะได้เรียนรู้ จำนวนหน่วยกลุ่มที่ถูกเลือกสำหรับปัญหาโดยเฉพาะอย่างยิ่งในขณะที่จำนวนของกลุ่มเป็นที่ที่เราต้องการที่จะวางให้ชุดของรูปแบบการป้อนข้อมูล.
ขั้นตอนการเรียนรู้ Kohonen มีดังนี้เริ่มต้นน้ำหนัก (เช่นค่าสุ่ม) ตั้งรัศมีพื้นที่ใกล้เคียง (R) และอัตราการเรียนรู้ (α) ทำซ้ำขั้นตอนด้านล่างจนบรรจบหรือจำนวนสูงสุดของ epochs ถึง สำหรับแต่ละรูปแบบการป้อนข้อมูล X = [x1 x2 x3 ...... ] คำนวณ "ระยะทาง"

Results (Thai) 3:

ที่เราเห็นค่าของ R จะเป็นตัวกําหนดจํานวนหน่วย จะสามารถเรียนรู้ จํานวนหน่วยกลุ่มถูกเลือกสำหรับปัญหาเฉพาะเป็นจำนวนของกลุ่มที่เราต้องการสถานที่ที่กำหนดรูปแบบการป้อนข้อมูล
ขั้นตอนการสอน ดังนี้ เริ่มต้นน้ำหนัก ( ค่าเช่นสุ่ม ) ชุดแวกรัศมี ( r ) และอัตราการเรียนรู้ ( α )ทำซ้ำขั้นตอนด้านล่างจนบรรจบหรือจำนวนสูงสุดของยุคสมัยที่เป็นถึง สัญญาณเข้าแต่ละรูปแบบ x = [ x1 x2 x3 ] คำนวณ " ระยะทาง " . . . . . .