自己总结一下SOM这个算法：
SOM是一种比较简单的神经网络，他不像BP网络那样具有三层结构，他只包含输入层和输出层（或称作映射层），由于没有中间的隐藏层（一般视为黑匣子），所以SOM映射之后的输出保持了输入数据原有的拓扑结构，SOM正因为这么一个优点而被应用在数据处理方面。
SOM的这个算法主要是两个步骤，一个是选择获胜神经元，另外一个是更新获胜神经元以及邻接神经元的权值，为什么这么做呢？因为神经网络是模拟人脑的结构以及处理事物的方法，而脑科学研究表明呢，相邻较近的神经元之间可以互相激励，所以在SOM学习的过程中，不仅仅是对获胜神经元进行奖励，同时也对邻接神经元进行奖励。
那么这个邻接神经元怎么确定？什么样的是邻接的呢？首先以获胜神经元j为中心设定一个邻域半径，对于邻域半径先有一个初始化的值r，以j为中心，以r为半径的区域（可能是四边形、六边形等）内的神经元都算作是邻接神经元，然后随着学习的进行，会调整邻域函数里面的参数，使得这个邻域半径一点一点变小，直到学习结束。
老师总让我说得通俗点通俗点再通俗点，我觉得这个够通俗了吧~
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
