Organizační dynamika

MAXNET se skládá ze soutěživé vrstvy, ve které se nachází klasických binárních neuronů, jak byly zavedeny v kapitole týkající se perceptronů. Neurony jsou propojeny v této vrstvě každý s každým.

Obr. 1. Soutěživá vrstva sítě MAXNET

Prahy všech neuronů jsou nulové

(1)

Hodnota váhy zpětnovazební vazby každého neuronu je

(2)

a vazby mezi neurony jsou nastaveny všechny na stejnou hodnotu ()

(3)

Hodnotu volíme v intervalu od nuly do kde je počet neuronů soutěživé vrstvy. Jelikož zpětná vazba každého neuronu je dle  Soutěživé sítě (2) nastavena na hodnotu rovnou jedné a do daného neuronu je přivedeno dalších hodnot násobených zápornou vahou z dalších neuronů soutěživé vrstvy, je volbou v tomto intervalu zajištěno, že zvítězí skutečně neuron s nejvyšší počáteční hodnotou (suma příspěvků z okolních neuronů násobených příslušnými vahami je pro vítězný neuron vždy menší, než jeho vlastní hodnota násobená jedničkou). Při volbě mimo toto rozmezí by mohlo dojít k tomu, že budou všechny neurony vrstvy naráz vynulovány (pro ), nebo by naopak mohly být všechny výstupy neuronů nastaveny na hodnotu rovnu jedné (pro )

(4)

Tyto váhy zůstávají konstantní. Počet neuronů soutěživé vrstvy volíme obvykle dle předpokládaného počtu tříd, do kterých chceme klasifikovat.

Pro přivedení signálu (vstupu) do soutěživé vrstvy je tato síť doplněna o vstupní vrstvu úplně propojenou se soutěživou vrstvou váhovanými vazbami, které ve fázi učení podléhají adaptaci, jak je ukázáno dále.

Obr. 2. Jednoduchá soutěživá síť MAXNET se dvěma neurony v kompetiční vrstvě