1 目的
自组织映射的主要目的是将任意维数的输入信号模式转变为一维或二维的离散映射,并且以拓扑有序的方式自适应实现这个变换。
2 主要过程
合作
获胜神经元决定兴奋神经元的拓扑领域的空间位置,从而提供这样的相邻神经元之间的合作。
竞争
对每个输入模式,网络中的神经元计算它们各自的判别函数的值,这个判别函数为神经元之间的竞争提供基础。具有判别函数最大值的特定神经元成为竞争的胜利者。
突触调节
最后的这一机制使兴奋神经元通过对它们突触权值的适当调节以增加它们关于该输入模式的判别函数值。所做的调节使获胜神经元对以后相似输入模式的响应增强。
2.1 竞争过程
令
m
m
m表示输入数据空间的维数。从输入空间中随机选择输入模式记为:
X
=
[
x
1
,
x
2
,
.
.
.
,
x
m
]
T
X=[x_1,x_2,...,x_m]^T
X=[x1,x2,...,xm]T
网络中每个神经元的突触权值向量和输入空间的维数相同。神经元的突触权值向量记为:
w
j
=
[
w
j
1
,
w
j
2
,
.
.
.
w
j
m
]
T
,
j
=
1
,
2
,
3
,
.
.
.
l
w_j = [w_{j1},w_{j2},...w_{jm}]^T,j=1,2,3,...l
wj=[wj1,wj2,...wjm]T,j=1,2,3,...l
l
l
l为网络中神经元的总数,为了找到输入向量
x
x
x与突触权值向量
w
j
w_j
wj的最佳匹配,对
j
=
1
,
2
,
.
.
.
,
l
j=1,2,...,l
j=1,2,...,l比较内积
w
j
t
X
w_j^tX
wjtX并选择最大者。通过选择具有最大内积
w
j
T
x
w_j^Tx
wjTx,决定兴奋神经元的拓扑领域中心位置。
2.2 合作过程
获胜神经元位于合作神经元的拓扑邻域的中心。