基于C#的机器学习--颜色混合-自组织映射和弹性神经网络
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 ...
原文：自组织映射神经网络
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，同时，激活节点临近的点也根据他们距离激活节点的远近而适当地更新 更新方式为 墨西哥帽式 。这种竞争可以通过神经元之间 ...
2019-11-24 14:43 0 464 推荐指数：
相关推荐
拓端tecdat|R语言中的SOM(自组织映射神经网络)对NBA球员聚类分析
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 ...
拓端tecdat|R语言使用自组织映射神经网络（SOM）进行客户细分
原文链接：http://tecdat.cn/?p=18726 自组织映射神经网络（SOM）是一种无监督的数据可视化技术，可用于可视化低维（通常为2维）表示形式的高维数据集。在本文中，我们研究了如何使用R创建用于客户细分的SOM。 SOM由1982年在芬兰的Teuvo Kohonen首次 ...
SOM 自组织特征映射神经网络
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 ...
SOM自组织映射网络 教程
概述 SOM是芬兰教授Teuvo Kohonen提出的一种神经网络算法，它提供一种将高维数据在低维空间进行表示的方法(通常是一维或二维)。缩减向量维度的过程，叫做向量量化(vector quantisation)。此外，SOM网络能保留原有数据的拓扑关系。 一个用来直观感受SOM网络规则 ...
自组织竞争神经网络
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 ...
自组织神经网络模型与学习算法
竞争神经网络有自适应共振理论（ART）网络，自组织特征映射（SOM）网络，对传（CP）网络和协同神经网 ...
【机器学习笔记】自组织映射网络（SOM）
什么是自组织映射？ 一个特别有趣的无监督系统是基于竞争性学习，其中输出神经元之间竞争激活，结果是在任意时间只有一个神经元被激活。这个激活的神经元被称为胜者神经元（winner-takes-all neuron）。这种竞争可以通过在神经元之间具有横向抑制连接（负反馈路径）来实现。其结果是神经元被迫 ...