ELEKTRYKA 2011 Zeszyt 1 (217) Rok LVII Marta KOLASA, Rafał DŁUGOSZ Zakład Podstaw Elektrotechniki, Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy Aleksandra FIGAS Katedra Inżynierii Komputerowej, Politechnika Poznańska WPŁYW FUNKCJI SĄSIEDZTWA NA EFEKTYWNOŚĆ UCZENIA SIECI NEURONOWYCH KOHONENA IMPLEMENTOWANYCH SPRZĘTOWO Streszczenie. W pracy przedstawiono wyniki badań prezentujące wpływ wyboru funkcji sąsiedztwa (neighborhood function - NF) w sieciach Kohonena na jakość procesu uczenia się tych sieci. Celem badań jest określenie, która NF może być najefektywniej zrealizowana sprzętowo, a jednocześnie nie pogarsza jakości procesu uczenia się samoorganizujących się sieci neuronowych. Zbadano efektywność uczenia sieci Kohonena, korzystając z miary błędu kwantyzacji oraz błędu topograficznego. Dokonano porównania uzyskanych wyników dla czterech typów funkcji sąsiedztwa oraz trzech topologii warstwy wyjściowej sieci. Słowa kluczowe: sieci neuronowe Kohonena, funkcja sąsiedztwa, implementacje CMOS, niski pobór mocy AN INFLUENCE OF THE NEIGHBORHOOD FUNCTION ON THE LEARNING PROCESS OF THE HARDWARE IMPLEMENTED KOHONEN NEURAL NETWORKS Summary. The paper presents an influence of the type of the neighborhood function (NF) on the learning process of the Kohonen neural networks. Four different NF and three topology have been compared. The objective was to determine which NF is the most efficient looking both from the transistor level implementation and the learning quality points of view. The effectiveness of the learning process of SOMs was assessed using two criteria: the quantization error and the topographic error. Keywords: Kohonen neural networks, neighborhood function, CMOS implementation, low energy consumption 1. WPROWADZENIE Sztuczna sieć neuronowa realizowana sprzętowo jest uniwersalnym narzędziem, umożliwiającym równoległe przetwarzanie informacji. Spotkać można różne implementacje