som算法简介.ppt

发布时间：2022-06-18 发布人：admin 分类：说明书资料大小：0.56M 资料格式：ppt 举报版权申诉

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第1页.png

第1页 / 共13页

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第2页.png

第2页 / 共13页

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第3页.png

第3页 / 共13页

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第4页.png

第4页 / 共13页

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第5页.png

第5页 / 共13页

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第6页.png

第6页 / 共13页

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第7页.png

第7页 / 共13页

3a3d93b7-1bea-4598-96e5-a7073a55330a.ppt.pdf-第8页.png

第8页 / 共13页

文本预览

SOM算法

知识结构 1.SOM算法工作原理 2.SOM算法实现的基本流程 3.SOM算法的优缺点

1 SOM算法工作原理 1.1981年芬兰人Kohonen最早提出； 2.无监督无指导，模仿人脑神经元的相关属性,通过自身训练，自动对输入模式进行聚类； 3.输入层和输出层（竞争层）两层拓扑结构； 4.输入结点和输出神经元全连接，两层拓扑结构；输入结点的数目等同输入向量的维数，同时等同连接权向量的维数； 5.目的：把高维空间的输入数据映射到低维( 通常是一维或二维) 的神经元网格上, 并保持原来的拓扑次序；

1 SOM算法工作原理 SOM 是竞争式学习网络，每当一个向量被提交，具有最近权值向量的那个神经元将竞争获胜。获胜神经元及其邻域内的神经元将移动它们的权值向量从而离输入向量更近一些。权向量有两个趋势：首先，它们随着更多的输入向量被提交而分布到整个输入空间。其次，它们移向邻域内的神经元。两个趋势共同作用使神经元在那一层重新排列，从而最终输入空间得到分类。 SOM二维网络拓扑结构图

1 SOM算法工作原理在竞争层中，神经元的竞争是这样进行的：对于获胜的那个神经元g，在其周围Ng的区域内，神经元在不同程度上都得到了兴奋，而在Ng区域以外的神经元都得到了抑制，即“以获胜神经元为圆心，对近邻的神经元表现出兴奋性侧反馈，而对远邻的神经元表现出抑制性侧反馈，近邻者相互激励，远邻者相互抑制”。整体上表现出中间强度大，两边逐渐衰减，而远离中心的受到抑制的趋势。神经元交互模式

2 SOM算法实现的基本流程 1.初始化 2.接受输入

2 SOM算法实现的基本流程 3.寻找获胜结点 4.参数调整

2 SOM算法实现的基本流程 5.更新学习速率和领域函数  t h jc,  t

分享到：

赞收藏

资料库

som算法简介.ppt

相关推荐

信息化

热门标签

最新资料