自组织神经网络模型与学习算法

自组织神经网络又称为自组织竞争神经网络，特别适合于解决模式分类和识别方面的应用问题。该网络模型属于前向神经网络模型，采用无监督学习算法，其工作的基本思想是让竞争层的各个神经元通过竞争与输入模式进行匹配，最后仅有一个神经元成为竞争的胜利者，这一获胜神经元的输出就代表对输入模式的分类。

常用的自组织竞争神经网络有自适应共振理论（ART）网络，自组织特征映射（SOM）网络，对传（CP）网络和协同神经网络（SNN）等。

自组织特征映射网络的学习算法

Kohonen自组织特征映射算法。能够自动找出输入数据之间的类似度，将相似的输入在网络上就近配置，因此是一种可以构成对输入数据有选择地给予反应的网络。其学习算法的步骤如下：

1. 网络初始化 用随机数设定输入层和映射层之间的权值的初始值
2. 输入向量的输入 把输入向量 $x = (x_1, x_2, \cdots, x_n)^T$ 输入给输入层
3. 计算映射层的权值向量和输入向量的距离 在映射层，计算各神经元的权值向量和输入向量的欧氏距离。这里，映射层的第j个神经元和输入向量的距离为：
   d=∑i=1