ＬＶＱ２はＬＶＱ１の学習則を改良したものです。どのようなことが改良されたのでしょう。
ＬＶＱ２の学習則をみてみましょう。 ただし、カテゴリーを割り付けるまではＬＶＱ１と同じです。
- 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と、
その次にマッチングするＷmを見つける。
このときＸjのカテゴリーをＣj、ＷkのカテゴリーをＣk、ＷmのカテゴリーをＣmとし、 ＣjとＣkは一致しないが、ＣjとＣmは一致しているとする。
- ＷkとＷmの中間の位置で、ある一定の幅をもつウインドウを設定する。
- Ｘjがそのウインドウに入っている場合、次の式により結合重みベクトルを更新する。
Ｗknew＝Ｗkold−α（Ｘj−Ｗkold） （Ｃk≠Ｃjのとき）
Ｗmnew＝Ｗmold＋α（Ｘj−Ｗmold） （Ｃm＝Ｃjのとき）
ＬＶＱ２では、カテゴリーが一致した場合は近づけ、 一致しない場合には遠ざけるという操作をしています。 αは学習係数です。
学習則の中にウインドウというものがありました。 これをもう少し詳しく説明しましょう。
ウインドウとは２つの結合重みベクトルの中間にある、一定の幅をもった領域です。
ＬＶＱ２ではこのウインドウ内に入力データベクトルがあるときだけ、
結合重みベクトルが更新されます。
ウインドウの幅は、２つの結合重みベクトルの距離の１０〜２０％としています。
しかし、ＬＶＱ２では学習が十分進んだとき、
入力データベクトルが正しいカテゴリーであっても結合重みベクトルが近づかないということが起ってきます。そこで、ＬＶＱ２は学習係数αを1万回程度の学習で０に収束させ、
短い間だけに適用するという方法がとられます。
