自組織映射神經網絡
原理 聚類、高維可視化、數據壓縮、特征提取 自組織映射神經網絡本質上是一個兩層的神經網絡，包含輸入層和輸出層（競爭層）輸出層中神經元的個數通常是聚類的個數 訓練時采用“競爭學習”方式，每個輸入在輸出層中找到一個和它最匹配的節點，稱為激活節點。緊接着用隨機梯度下降法更新激活節點的參數 ...
原文：自組織映射網絡和學習向量量化網絡
在人的視網膜 脊髓中有一種現象，當一個神經細胞興奮后，會對周圍神經細胞產生抑制作用。極端情況下，不允許其他細胞興奮，這就是上文提到的學習規則中的勝者為王。 競爭學習算法分為 步： 向量歸一化輸入的模式向量X和競爭層各細胞的內星權向量Wj j , ,...,m 都是進行歸一化。並且每次迭代都要進行歸一化操作。 尋找獲勝神經元競爭層各細胞的內星權向量Wj j , ,...,m 與輸入向量X進行相似度比 ...
2012-07-13 18:44 0 9736 推薦指數：
相關推薦
SOM自組織映射網絡 教程
概述 SOM是芬蘭教授Teuvo Kohonen提出的一種神經網絡算法，它提供一種將高維數據在低維空間進行表示的方法(通常是一維或二維)。縮減向量維度的過程，叫做向量量化(vector quantisation)。此外，SOM網絡能保留原有數據的拓撲關系。 一個用來直觀感受SOM網絡規則 ...
【機器學習筆記】自組織映射網絡（SOM）
什么是自組織映射？ 一個特別有趣的無監督系統是基於競爭性學習，其中輸出神經元之間競爭激活，結果是在任意時間只有一個神經元被激活。這個激活的神經元被稱為勝者神經元（winner-takes-all neuron）。這種競爭可以通過在神經元之間具有橫向抑制連接（負反饋路徑）來實現。其結果是神經元被迫 ...
學習向量量化神經網絡
在競爭網絡結構的基礎上，學習向量化（learning vector quantization，LVQ）網絡被提出來。融合競爭學習思想和有監督學習算法的特點，通過教師信號對輸入樣本的分配類別進行規定，從而克服自組織網絡採用無監督學習算法帶來的缺乏分類信息的弱點。 1. 向量量化 ...
基於C#的機器學習--顏色混合-自組織映射和彈性神經網絡
自組織映射和彈性神經網絡 自組織映射(SOM)，或者你們可能聽說過的Kohonen映射，是自組織神經網絡的基本類型之一。自組織的能力提供了對以前不可見的輸入數據的適應性。它被理論化為最自然的學習方式之一，就像我們的大腦所使用的學習方式一樣，在我們的大腦中，沒有預先定義的模式 ...
拓端tecdat|R語言中的SOM(自組織映射神經網絡)對NBA球員聚類分析
原文鏈接：http://tecdat.cn/?p=19077 導入 自組織映射 （SOM）是一種工具，通過生成二維表示來可視化高維數據中的模式，在高維結構中顯示有意義的模式。通過以下方式使用給定的數據（或數據樣本）對SOM進行“訓練”： 定義了網格的大小。 網格中的每個單元 ...
拓端tecdat|R語言使用自組織映射神經網絡（SOM）進行客戶細分
原文鏈接：http://tecdat.cn/?p=18726 自組織映射神經網絡（SOM）是一種無監督的數據可視化技術，可用於可視化低維（通常為2維）表示形式的高維數據集。在本文中，我們研究了如何使用R創建用於客戶細分的SOM。 SOM由1982年在芬蘭的Teuvo Kohonen首次 ...
SOM 自組織特征映射神經網絡
參考：第4章 SOM自組織特征映射神經網絡 生物學研究表明，在人腦的感覺通道上，神經元的組織原理是有序排列的。當外界的特定時空信息輸入時，大腦皮層的特定區域興奮，而且類似的外界信息在對應的區域是連續映像的。生物視網膜中有許多特定的細胞對特定的圖形比較敏感，當視網膜中有若干個接收 ...