SOM自组织神经网络学习

最新推荐文章于 2022-08-01 14:24:39 发布
最新推荐文章于 2022-08-01 14:24:39 发布
阅读量1.5k 收藏 5
点赞数
分类专栏： 计算智能 文章标签： 神经网络 信息处理 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34291530/article/details/78207268
版权
SOM（自组织映射）是一种自组织神经网络，常用于分类、聚类和数据分析。网络结构包括输入层和输出层，输出层神经元通过竞争学习调整权重。算法基于竞争学习原理，通过学习率和优胜邻域动态调整，最终形成对输入模式的映射。SOM在语音识别、图像处理等领域有广泛应用。
摘要由CSDN通过智能技术生成

SOM背景介绍

SOM是一种自组织（竞争型）神经网络，其认为：一个神经网络接受外界输入模式时，将会分为不同的对应区域，各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。SOM 网络正是根据这一看法提 出来的，通过不断的发展，现已被广泛应用于语音识别、图像 处理、分类聚类、组合优化 (如 TSP 问题)、数据分析和预测等 众多信息处理领域。

SOM网络结构

SOM网络由两个层次组成，即输入层和输出层(竞争层)。 输入层接受样本输入，节点数和样本维数一样；输出层上，神经元之间相互竞争，通过修改神经元之间的连接权重，使得若干神经元活跃，并最终得出获胜结点。神经元的排列有多种形式，有输出层按一维阵列组织的SOM网，其结构最为简单； 有输出层按二维平面组织的 SOM 网，是最典型的组织方式， 其每个神经元同它周围的其它神经元侧向连接，并标以权重。

这里写图片描述

分类与聚类

分类是在类别知识等导师信号的指导下，将待识别的输入模式分配到各自的模式类中，

聚类是

最低0.47元/天 解锁文章
scarlettFYX
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SOM_SOM_自组织映射神经网络_
10-02
自组织映射（Self-Organizing Map, SOM）是一种基于人工神经网络的非监督学习算法，由芬兰科学家Teuvo Kohonen在20世纪80年代提出。这种神经网络模型主要用于数据可视化、聚类和降维，它能将高维度输入数据映射到一...
机器学习算法——神经网络6（SOM网络）
Vicky_xiduoduo的博客
05-20 6754
SOM（Self-Organizing Map,自组织映射）网络也是一种竞争学习型的无监督神经网络。 它能将高维数据映射到低维空间（通常为二维），同时保持输入数据在高维空间的拓扑结构，即将高维数据中相似的样本点映射到网络输出层中的邻近神经元。 SOM网络结构为： 输入层神经元的数量是由输入向量的维度决定的，一个神经元对应一个特征。 SOM网络结构的区别主要在竞争层：可以有1维、2维（最常见）。竞争层也可以有更高的维度，不过处于可视化的目的，高维竞争层用的比较少。 其中二维平面有2种平面结构
SOM网络--机器学习（郑捷 著）
jyh_AI的博客
08-25 8840
SOM是一类“无监督学习”模型，一般的用法是将高维的input数据在低维的空间表示，因此SOM天然是一种降维方法。除了降维，SOM还可以用于数据可视化，以及聚类等应用中[1] SOM网络结构： 定义 自组织特征映射神经网络(Self-Organizing Feature Map,也称Kohomen映射），简称为SOM网络，主要用于解决模式识别类的问题。SOM网络属于无监督学习算法...
SOM网络算法分析与应用（适合入门、快速上手）
weixin_44603934的博客
03-21 9233
以最简单易懂的方式结合最实用的例子讲解高深的SOM神经网络，既适合刚入门的小白有适合需要深入代码进行学习的学者。SOM自组织神经网络是神经网络的一种。个人感觉属于仿生学的一种方法。这种网络是基于生理学和脑科学研究成果提出的。与前向神经网络不同，它是一种无监督的学习。适用于数据聚类。
简易入手《SOM神经网络》的本质与原理
dbat
06-26 5480
《老饼讲解神经网络》:bp.bbbdata.com，SOM神经网络(Self-organizingFeatureMap)是Kohonen在1981年提出的一种用于聚类的神经网络，是神经网络家族中经典、重要且广泛应用的一员。 本篇第一节先聚焦于讲清SOM是个什么东西，解决什么问题，思路是什么，有什么特性，第二节则扒取matlab的源码，自写《SOM-单样本训练算法》，即用自己的代码逻辑重现matlab工具箱的效果。...
SOM网络（Kohonen自组织网络）学习第三篇
PINGER007的博客
03-15 7691
SOM算法学习自组织映射算法是一种无监督学习方法，具有良好的自组织、可视化等特性，已经得到了广泛的应用和研究。作为一种聚类和高维可视化的无监督学习算法，是通过模拟人脑对信号处理得到的一种人工神经网络。可以运用这个理论实现模式识别信号处理、数据挖掘等理论和应用领域。基本原理它又输入层和输出层（竞争层）组成。输入层神经元数为n，输出层由m个神经元组成的以为或者二维平面阵列。网络是全连接的，即每个输入节...
SOM网络1:原理讲解
@bangbang的博客
08-01 3817
SOM自组织映射神经网络，是一种类似于kmeans``的聚类算法，用于寻找数据的聚类中心。它可以将相互关系复杂非线性的高纬数据，映射到具有简单几何结构及相互关系的低纬空间。（低纬映射能够反映高纬特征之间的拓扑结构）自组织映射(Self-organizingmap,SOM)通过学习输入空间中的数据，生成一个低维、离散的映射(Map)，从某种程度上也可看成一种降维算法。SOM是一种无监督的人工神经网络。不同于一般神经网络基于损失函数的反向传递来训练，它运用竞争学习近邻关系函数拓扑结构。由于基于无监督。.....
SOM.rar_som聚类_无监督学习_竞争神经网络_自组织神经网络
最新发布
09-24
在" SOM.rar_som聚类_无监督学习_竞争神经网络_自组织神经网络 "这个压缩包中，我们可以期待找到关于SOM网络的详细资料，包括理论、算法实现以及可能的应用实例。 SOM的核心思想是模拟生物神经系统的自我组织过程，...
自组织映射神经网络.zip
09-17
自组织映射神经网络（Self-Organizing Map, SOM）是一种无监督学习的前馈神经网络，由芬兰科学家Teuvo Kohonen在1980年代提出。它主要用于数据的降维和可视化，尤其是在高维数据集上进行聚类分析。自组织映射网络...
自编程SOM神经网络实现聚类（Kohonen算法）
07-09
SOM（Self-Organizing Map，自组织映射）神经网络是一种无监督学习的前馈网络，由芬兰科学家Kohonen在1982年提出。它主要用于数据的可视化和非线性降维，尤其适用于高维数据的聚类。Kohonen算法通过在网络中寻找最佳...
系统学习机器学习之神经网络（四） --SOM
工作笔记
12-05 4万+
转自:http://blog.csdn.net/xbinworld/article/details/50818803，其实内容更多的是百度文库里叫《SOM自组织特征映射神经网络》这篇文章上的，博主增加了一些理解。 本文详细介绍一下自组织神经网络概念和原理，并重点介绍一下自组织特征映射SOM网络。SOM和现在流行的ANN（MLP）模型在结构上类似，都由非常简单的神经元结构组成，但是SOM是一类“无...
SOM神经网络
qq_55041016的博客
03-06 1494
代码 clc clear %数据样本 p = [0.9325 1.0000 1.0000 -0.4526 0.3895 1.0000 1.0000 1.0000; -0.4571 -0.2854 -0.9024 -0.9121 -0.0841 1.0000 -0.2871 0.5647; 0.5132 0.9413 0.9711 -0.4187 0.2855 0.8546 0.9478 0.9512; 0.1545 0.1564 -0.5000 -0.6571 -0.3333.
SOM网络
逐波与逆流
02-13 5661
SOM网络的训练方法    SOM神经网络采用的算法称为Kohonen算法，它的基本思想是：网络输出层的各神经元通过竞争来获得对输入层的响应机会，最后只有一个神经元获胜。获胜的神经元对它临近的神经元的影响由近及远，由兴奋逐渐转为抑制，那些与获胜神经元有关的各连接权朝着有利于它竞争的方向转变。  SOM网络的算法如下： (1)初始化  对输出层各权向量赋予较小的随机数并进行归一化处理,得到,
实验---采用SOM网络进行聚类
hanmengyuan2001的博客
06-14 5949
1.SOFM简介。 自组织特征映射网络SOFM又称自组织映射网络SOM，是一种自组织竞争神经网络，一个神经网络接受外界输入模式时，将会分为不同的对应区域，各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。其特点与人脑的自组织特性相类似。 其主要思想是在学习过程中逐步缩小神经元之间的作用邻域，并依据相关的学习规则增强中心神经元的激活程度，从而去掉各神经元之间的侧向连接，以达到模拟真实大脑神经系统“近兴奋远抑制”的效果。 除了SOFM外，其他常见的自组织竞争神经网络还有学习向量量化（LQV）神
自组织映射神经网络（SOM）
weixin_44605171的博客
06-19 4965
自组织映射神经网络（Self-Organizing Map，SOM）是无监督学习方法中一类重要方法，可以用作聚类、高维可视化、数据压缩、特征提取等多种用途，其融入了大量人脑神经元的信号处理机制，有着独特的结构特点。...
关于SOM（self-organized map）自组织特征映射神经网络的理解
nebula1008的博客
11-30 2080
som网络结构 对SOM进行理解，首先要明确它的定位。 首先它是神经网络的一种，那么就有属于神经网络共同的性质。比如输入层，输出层。刚好，SOM网络只有这两层。 （上面两张是典型的som网络结构图） 输入层不必讲，从x1x_1x1​到xnx_nxn​，都是一个个输入样本节点，每个样本会有好几个特征值维度。 输出层的节点个数是自己设置的，排列方式也是自己设定，输出层的节点与节点之间通常也会有连接。 输出层和输入层是以全连接的方式进行连接的，相互连接的桥梁就是一组组权重矩阵。 wiw_iwi​第i个输出节点
神经网络聚类方法：SOM算法原理
热门推荐
wj176623的专栏
09-13 7万+
一个神经网络接收外界输入模式时，将会分为不同的对应区域，各区域对输入模式有不同的响应特征，而这个过程是自动完成的。其特点与人脑的自组织特性类似。SOM的目标是用低维（通常是二维或三维）目标空间的点来表示高维空间中的所有点，尽可能地保持点间的距离和邻近关系（拓扑关系）。 自组织神经网络：是无导师学习网络。它通过自动寻找样本中的内在规律和本质属性，自组织，自适应地改变网络参数与结构。
自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第一部分
weixin_30341735的博客
03-07 2397
自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第一部分 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第二部分 自组织神经网络介绍：自组织特征映射SOM(Self-organizing feature Map)，第三部分 本文详细介绍一下自组织神经网络概念和原理，并重...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值