竞争神经网络 竞争型网络只有两层，输出层又被称为核心层，在一次计算中只有一个输出神经元获胜，获胜的神经元标记为1，其余神经元标记为0. 竞争神经网络学习规则是由内星规则发展而来的Kohonen学习规则。 自组织特征映射网络 自组织特征映射网络（Self-Organizing ...

参考：第4章 SOM自组织特征映射神经网络 　　生物学研究表明，在人脑的感觉通道上，神经元的组织原理是有序排列的。当外界的特定时空信息输入时，大脑皮层的特定区域兴奋，而且类似的外界信息在对应的区域是连续映像的。生物视网膜中有许多特定的细胞对特定的图形比较敏感，当视网膜中有若干个接收 ...

原理 聚类、高维可视化、数据压缩、特征提取 自组织映射神经网络本质上是一个两层的神经网络，包含输入层和输出层（竞争层）输出层中神经元的个数通常是聚类的个数 训练时采用“竞争学习”方式，每个输入在输出层中找到一个和它最匹配的节点，称为激活节点。紧接着用随机梯度下降法更新激活节点的参数 ...

　　自组织神经网络是一类无教师学习的神经网络模型，这类模型大都采用了竞争学习机制。自组织神经网络无需提供教师信号，它可以对外界未知环境（或样本空间）进行学习或模拟，并对自身的网络结构进行适当的调整，这就是所谓自组织的由来。 　　竞争学习机制以及自组织神经网络的代表模型：ART 模型、SOM 模型 ...

自组织映射和弹性神经网络 自组织映射(SOM)，或者你们可能听说过的Kohonen映射，是自组织神经网络的基本类型之一。自组织的能力提供了对以前不可见的输入数据的适应性。它被理论化为最自然的学习方式之一，就像我们的大脑所使用的学习方式一样，在我们的大脑中，没有预先定义的模式 ...

1985年，Powell提出了多变量插值的径向基函数（RBF）方法。1988年Moody和Darken提出了一种神经网络结构，即RBF神经网络，属于前向神经网络类型，它能够以任意精度逼近任意连续函数，特别适合于解决分类问题。 RBF网络的结构与多层前向网络类似，它是一种三层前向网络。输入层 ...

（一）神经网络简介 主要是利用计算机的计算能力，对大量的样本进行拟合，最终得到一个我们想要的结果，结果通过0-1编码，这样就OK啦 （二）人工神经网络模型 一、基本单元的三个基本要素 1、一组连接（输入），上面含有连接强度（权值）。 2、一个求和单元 3、一个非线性 ...

原文链接：http://tecdat.cn/?p=19077 导入 自组织映射 （SOM）是一种工具，通过生成二维表示来可视化高维数据中的模式，在高维结构中显示有意义的模式。通过以下方式使用给定的数据（或数据样本）对SOM进行“训练”： 定义了网格的大小。 网格中的每个单元 ...