SOM（自组织映射）网络是一种自学习、自组织的神经网络模型，主要包含初始化、优胜邻域定义、权值调整等步骤。在训练过程中，邻域会随时间逐渐收缩，学习率降低至一定程度时训练结束。SOM网络的学习不足在于输入模式顺序会影响分类结果，且无法在不完全重新学习的情况下添加新类别。SOM网络的权系数向量能反映输入模式的中心，常用于数据的量化和学习向量量化器。
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。
j =1,2,3，，，m）,建立初始优胜邻域
jN和学习率初值。m为输出层神经元数目。
(2)接受输入
从训练集中随机取一输入模式并进行归一化处理，得到),
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,j =1,2,3，，，m）,建立初始优胜邻域
jN和学习率初值。m为输出层神经元数目。
(2)接受输入
从训练集中随机取一输入模式并进行归一化处理，得到),
最低0.47元/天 解锁文章
扫一扫
435
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
