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。
应用:数据聚类,数据降维(如映射高维数据到2维平面)
SOM自组织神经网络是两层结构,包括输入层和竞争层。为什么要用这种结构?因为Kohonen根据生理学的发现,认为神经网络在接受外界输入时,将会分成不同的区域,不同的区域对不同的模式具有不同的响应特征。如下图,人对猫和狗的概念储存在不同区域。
图1. SOM自组织神经网络结构
训练:输入层是输入样本的特征,通过不断地将所有样本数据反复输入网络进行训练,最终权值将会趋于稳定。学习方法为竞争学习,详细请见给出的参考文献。
测试:将新的样本输入,比如"猫"的样本,那么在图1中猫的区域内节点的值输出最大,说明正确识别了"猫"。
下面给出网上书上经常能看到的一幅图的说明。