1、初始化。
对初始权值向量
w
i
(
0
)
w_i(0)
wi(0)和核宽
σ
i
(
0
)
(
i
=
1
,
2
,
.
.
,
l
)
\sigma _i(0)(i=1,2,..,l)
σi(0)(i=1,2,..,l)选择随机值,这里
l
l
l是网络结构中神经元的总个数。
2、取样。
从输入分布中按一定的概率取出一个样本
x
x
x.
3、相似度匹配。
在算法的时间不n,用下面的准则来确定神经元
i
(
x
)
i(x)
i(x)
i
(
x
)
=
a
r
g
m
a
x
y
i
(
x
)
,
i
=
1
,
2
,
.
.
,
l
i(x) = arg max y_i(x),i=1,2,..,l
i(x)=argmaxyi(x),i=1,2,..,l
4、自适应。
调整权值向量和每个核的宽,使用相应的更新公式:
w
j
(
n
+
1
)
=
{
w
j
(
n
)
+
η
w
h
j
,
i
(
x
)
σ
j
2
,
j
∈
A
w
j
(
n
)
,
否则
w_j(n+1) = \begin{cases} w_j(n)+\frac{\eta _w h_{j,i(x)}}{\sigma _j ^2}, & \text {j}{\in A} \\ w_j(n), & \text{否则} \end{cases}
wj(n+1)={wj(n)+σj2ηwhj,i(x),wj(n),j∈A否则
σ
j
(
n
+
1
)
=
{
σ
j
(
n
)
+
η
w
h
j
,
i
(
x
)
σ
j
(
n
)
[
∣
∣
x
(
n
)
−
w
j
(
n
)
∣
∣
2
m
σ
j
2
−
1
]
,
j
∈
A
σ
j
(
n
)
,
否则
\sigma _j(n+1) =\begin{cases} \sigma_j(n)+\frac{\eta _w h_{j,i(x)}}{\sigma _j(n)} \left[ \frac{||x(n)-w_j(n)||^2}{m \sigma _j ^2}-1 \right], & \text {j}{\in A} \\ \sigma_j(n), & \text{否则} \end{cases}
σj(n+1)={σj(n)+σj(n)ηwhj,i(x)[mσj2∣∣x(n)−wj(n)∣∣2−1],σj(n),j∈A否则
核SOM算法
最新推荐文章于 2022-06-26 14:59:13 发布