ＬＶＱ１の結合重みベクトルの学習則は大きく３つの手順にわかれます。。
その手順を見てみましょう。
- 各結合重みベクトルの初期値としてＦｅａｔｕｒｅマップによって形成された結合重みベクトルを与える。
- 各結合重みベクトルについて、
すべてのカテゴリーの中で最も多くの入力データと最適マッチングするカテゴリーを見つけて、
そのカテゴリーを割りつける。
- 入力データベクトルＸjに最適マッチングした結合重みベクトルＷkをみつける。
- カテゴリーが一致すれば次の式で結合重みベクトルを更新する。
Ｗknew＝Ｗkold＋α（Ｘj−Ｗkold） カテゴリーが一致しない場合には、
Ｗknew＝Ｗkold−α（Ｘj−Ｗkold） として、結合重みベクトルを更新する。
最適マッチングしなかったその他の結合重みベクトルについては何の更新も行いません。
また、αは学習係数で時間とともに単調減少します。
はじめは0.02ぐらいで約１０万回のステップで０に収束させます。
ＬＶＱ１はこのような学習によって、
結合重みベクトルによって形成される識別境界をしだいにベイズ識別境界に近づけていきます。
つまり、パターン識別がより高い精度でおこなわれるわけです。
