1.3.3.Сравнение

Единственный возбужденный в слое распознавания нейрон возвращает единицу обратно в слой сравнения r_k=1. Эта единственная единица может быть визуально представлена в виде «веерного» выхода, подающегося через связь с весом t_ki на вход каждого нейрона в слое сравнения: р_i = r_kt_ki Алгоритмы инициализации и обучения построены таким образом, что каждый весовой вектор Т_k имеет двоичные значения весов Это означает, что все компоненты р_i также являются двоичными величинами. (р_i =0 или р_i =1).

Сигнал обратной связи r_k от слоя распознавания устанавливает значение G1=0. Правило двух третей позволяет возбуждаться только тем нейронам, которые имеют равные единице соответствующие компоненты векторов р_i и x_i. Другими словами, обратная связь от распознающего слоя действует таким образом, чтобы установить компоненты c_i = 0 в том случае, если входной вектор X не соответствует запомненному нейроном слоя распознавания образу P, т.е. если р_i ≠ x_i. Поэтому, в общем случае, на этой фазе С ≠ X.

Блок сброса сравнивает вектор С и входной вектор X, вырабатывая сигнал сброса, когда их сходство  ниже заданного порога. Вычисление параметра сходства может осуществляться следующим образом:

=l/m, (6.5)

где l – количество совпавших компонент в векторах X и С, m – размерность входного вектора X.

Значение  может изменяться от 1 (наилучшее соответствие) до 0 (наихудшее соответствие). Если степень сходства векторов X и P меньше заданного порогового уровня, вырабатывает сигнал сброса. Сигнал сброса устанавливает выход возбужденного нейрона в ноль r_k=0, отключая его на время текущей классификации.

1.3.4.Поиск

Если значение параметра сходства  выигравшего нейрона превышает пороговый уровень, поиск не требуется, процесс классификации на этом завершается.

В противном случае другие запомненные образы должны быть исследованы с целью поиска лучшего соответствия. При этом торможение возбужденного нейрона в распознающем слое приводит к установке всех компонент вектора R в 0, тогда G1=1 и вектор С опять становиться идентичным входному вектору X. В результате другой нейрон выигрывает соревнование в слое распознавания и другой запомненный образ P возвращается в слой сравнения. Если P не соответствует X, возбужденный нейрон в слое распознавания снова тормозится. Этот процесс повторяется до тех пор, пока не произойдет одно из двух событий:

1. Будет найден запомненный образ P, сходство которого с вектором X будет выше порогового уровня. Тогда проводится переобучение возбужденного нейрона, в процессе которого модифицируются вектора его весов T_k и B_k.

2. Будут проверены все запомненные образы и определено, что они не соответствуют входному вектору X. Тогда вводится новый несвязанный нейрон в слое распознавания. Он выделяется для запоминания входного образа X и его весовые векторы T_k и B_k устанавливаются соответствующим образом.

1.3.5.Обучение

Обучающий алгоритм используется как в случае успешного, так и в случае неуспешного поиска. Вектору весов В_k возбужденного нейрона k в распознающем слое присваиваются новые значения:

(6.6)

где с_i – i-я компонента выходного вектора слоя сравнения; k – номер выигравшего нейрона в слое распознавания; b_ik – вес связи, соединяющей нейрон i в слое сравнения с нейроном k в слое распознавания; L = const (обычно L = 2).

Компонентам вектора весов Т_k, присваиваются соответствующие двоичные значения компонент вектора С:

t_ki = с_i, для всех i, (6.7)

где t_ki является весом связи между выигравшим нейроном k в слое распознавания и нейроном i в слое сравнения.