码迷,mamicode.com
首页 > 其他好文 > 详细

自组织映射神经网络

时间:2019-11-24 15:45:03      阅读:87      评论:0      收藏:0      [点我收藏+]

标签:梯度   提取   激活   学习   自组织   优雅   响应   更新   通过   

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的横向抑制连接(负反馈路径)来实现。
  • 输出层节点是有拓扑关系的(一维线阵、二维平面阵、三维栅格阵),且具有保序映射的特点
  • 学习过程:
    • 初始化
    • 竞争:找到激活节点
    • 合作:更新临界节点参数
    • 适应:适当调整相关兴奋神经元连接权重,使获胜神经元对相似输入模型的后续应用的响应增强
    • 迭代:回到竞争

与K均值的区别

  • 不需要确定类的个数,因为聚类结果的实际簇数可以小于神经元的个数
  • K均值找到一个最相似的类后,只更新这个类参数;自组织映射神经网络更新了临近的节点。所以K均值易受噪声的影响,而后者准确性可能更低一些
  • 自组织映射神经网络的可视化较好,具有优雅的拓扑关系图

自组织映射神经网络

标签:梯度   提取   激活   学习   自组织   优雅   响应   更新   通过   

原文地址:https://www.cnblogs.com/weilonghu/p/11922381.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!