SOM学习笔记1

SOM学习笔记小编打算写两篇，内容来自小编前阶段在工作要解决的预警产品质量在多个ATE上走低的问题。第一篇从理论的角度介绍SOM的网络模型、学习算法，第二篇从应用的角度以demo的形式展示实际的应用。

---

1.SOM是什么

SOM英文全拼是Self-Organizing Maps，中文一般译作自组织映射网络，它是神经网络的一种，由kohonen提出，属于非监督式学习，它模仿人脑神经元对信息的处理方式，通过自身训练，自动对输入的模式进行聚类。

2.SOM网络模型

SOM网络有两层，分别是InputLayer和OutputLayer。InputLayer与OutputLayer通过权值相连，InputLayer即输入层，其输入一般为高维度向量。OutputLayer的神经元一般放置在二维网格中，输出层近邻的神经元也通过权值连接

3.内星学习规则

SOM是基于内星学习规则而来的，有必要学习下该规则:

• 假设输入信息为n维向量，该向量与权值向量连接，输出到输出神经元Y中，Y采用硬限幅函数作为传递函数，限定输出为1和0
• 内星模型训练的目标使得神经元Y只对某些特定的输入向量产生兴奋，即在Y出的神经元输出为1

• 通过学习速率η对权值进行调整，当Y=1时，权值进行调整，当Y=0时，权值不做调整，最终得到的网络权值趋近于各输入向量的平均值