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~