自组织神经网络算法-SOM

相比于bp神经网络算法,som相对来说比较容易理解。自组织神经网络,是一种用于聚类的神经网络算法,从名字便可以看出,这是一种无监督式的算法,意味着,它不需要任何训练样本,便可以直接对输入样本根据其特征 分类,将具有相似特征的划分为一类。

1 算法结构

som算法是由两层网络组成,输入层与输出层(也叫作竞争层),大致示意图如下:

som_layers

2 示例

下面我会给出一个例子来讲解som算法的原理。

现在我有8个输入样本,每个输入样本由两个特征值组成(x,y),表示在二维坐标系(横为x,纵为y)上如下图所示:

som_inputs

要求使用som算法将上图中的输入节点划分为两类。

解:如图所示:凭肉眼观察,8个输入样本很明显已经分为了粉红与淡蓝两类,但题意要求使用som算法来搞。所以思路如下:

没有太高深的数学计算,但这就是som算法的思路,我做了一个简单的动画来描述上面的计算过程。

两个黑色的节点即为输出节点,是随机生成的,随着算法的运行,你会发现,两个节点分别移动向两个类别之中(这里步长为0.15)。

结合着我贴出的python源代码,更加方便去理解这种算法。

解答完毕!

相信分析完这篇教程,som算法就没什么难的了。

这篇教程搞懂之后,努力方向应为som的完善算法sofm(自组织特征映射神经网络),这种算法相比于som算法,有两处不同:

1 . 步长的衰变方式。

2 . 每次输出层的获胜节点确定之后,不仅仅该获胜节点要调整自身特征值,获胜节点周围相近的节点也要做相应的调整,调整幅度的大小要视距离获胜节点的远近。

留给课下研究好了。

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值