关于SOM(self-organized map)自组织特征映射神经网络的理解
som网络结构
对SOM进行理解,首先要明确它的定位。
首先它是神经网络的一种,那么就有属于神经网络共同的性质。比如输入层,输出层。刚好,SOM网络只有这两层。
(上面两张是典型的som网络结构图)
输入层不必讲,从x1x_1x1到xnx_nxn,都是一个个输入样本节点,每个样本会有好几个特征值维度。
输出层的节点个数是自己设置的,排列方式也是自己设定,输出层的节点与节点之间通常也会有连接。
输出层和输入层是以全连接的方式进行连接的,相互连接的桥梁就是一组组权重矩阵。
wiw_iwi表示第i个输出节点与所有输入数据相连的权值。wijw_{ij}wij表示的是第i个节点与第j个输入样本之间的权重。
到这里有看出图二有什么问题吗?
没错,wiw_iwi那个向量应该一共是n列,和输入数据的个数n一致。
这些就是som网络结构的基本特点。
som网络的作用
那这个结构有什么用呢?
som是一种无监督的人工神经网络。无监督说白了就是不需要你告诉这个网络哪次输出结果是对的、哪次是错的,它会自动地对输入数据进行某种特征的识别和分类。由于输入数据一般是高维的,输出数据一遍是低维的,因此它可以将高维数据在低维空间进行特征表示。
som网络训练过程
(在写这一块的时候,我突然问自己,神经网络是什么?提出来干啥用的?为什么要对输入数据进行训练???
按照我目前的知识水平所做的理解,神经网络是一种网络结构,正如化学里面相同原子以不同结构进行组合会形成截然不同的物质,不同的网络结构最终实现的功能也不一样,神经网络就是对一堆数据加工的东西,不同结构加工的方式不同,出来的效果也不一样。至于为什么要对输入数据进行训练,是因为神经网络基本单位——神经元,本质上就是一组参数,需要对这些参数进行优化才能得到你想要的效果。)
训练就是优化网络参数的过程,那如何优化呢?优化步骤呢?
1 随机初始化参数。
2 选取一个输入样本xix_ixi,遍历输出层的每一个节点,以某种计算规则计算xix_ixi与每个节点之间的值,并选出优胜节点。(也就是你觉得和输入样本最契合的那个节点)(*a常用规则后面详细写)
4 更新最优节点领域内的节点。(*b更新方式后面详细写)
5 迭代次数加一,重复2-4直到完成设定的迭代次数。
*a 一般有最大输出规则、最小欧式距离规则、最小夹角规则。
(比如,以最小欧式距离为规则时,计算每个输出节点与输入样本之间的距离,并取最小距离值对应的节点为优胜节点)
*b 更新涉及到每个节点前一刻值与迭代后的值之间的关系,还涉及到优胜邻域内的每个点更新幅度的问题。
以最小欧氏距离规则下的更新为例:
j∗j_*j∗表示优胜节点。j表示优胜领域内的点。t表示第t次迭代。
wij∗w_{ij*}wij∗(t+1)= wij∗w_{ij*}wij∗(t)+η(t)·(xix_{i}xi- wij∗w_{ij*}wij∗(t))
wijw_{ij}wij(t+1)= wijw_{ij}wij(t)+η(t)·(xix_{i}xi- wij∗w_{ij*}wij∗(t))·w(r)
η(t)表示学习率,一般是会随迭代次数而变化的。η(t)=η(0)·(1-t/T),T为设定的迭代次数。
w(r)为领域节点调整函数,用来决定优胜节点对领域内其他点的影响。
关于SOM(self-organized map)自组织特征映射神经网络的理解相关推荐
- 机器学习之自组织特征映射神经网络(SOM)
SOM是一类"无监督学习"模型,一般的用法是将高维的input数据在低维的空间表示,因此SOM天然是一种降维方法.除了降维,SOM还可以用于数据可视化,以及聚类等应用中[2]. 定 ...
- 机器学习 竞争神经网络与自组织特征映射神经网络(SOFM)
本文按照 案例-分析-代码-原理 四段式进行介绍,为便于有一定理论基础的童鞋进行学习,将原理以链接其他博客的形式给出,有兴趣的童鞋可以跳转进行学习和推敲. [案例介绍]利用竞争神经网络和自组织特征隐射 ...
- 自组织特征映射神经网络(SOFM)
1981年芬兰 Helsink 大学的 T·Kohonen 教授提出一种自组织特征映射网 (Self-Organizing Feature Map , SOFM ), 又称 Kohonen 网 . K ...
- 自组织特征映射(SOFM或SOM)网络解决旅行商问题(TSP)
自组织特征映射(Self-Organizing Feature Map)网络介绍: 由输入层,输出层神经元节点构成的神经网络(由输入层,隐层神经元节点构成的神经网络) 无监督学习 学习准则是胜者为王学 ...
- 【神经网络】自组织特征映射网络(SOM)
自组织特征映射网络(SOM) Self-Organizing Feature Map Neural Networks BP学习算法是一种典型的有监督学习算法,特点:每一个输入都有一个对应的理想输出 自 ...
- 利用ANN作图——自组织特征映射网络(SOFM)探究及实现
利用ANN作图--自组织特征映射网络(SOFM)探究及实现 在研究生的<人工智能>课堂上学习了利用人工神经网络(ANN)解决问题的基本思想与方法,在学习了自组织特征映射网络(SOFM)之后 ...
- 什么是自组织特征映射网络?
什么是自组织特征映射网络?
- SOM -- 自组织特征映射网络
SOM的优缺点 优点:SOM由于地形序的影响,最后产生的聚类结果具有比较高的的可视化和可解释性,而且与K-Means不同的是,由于每次增量的更新所有的质心,因此他受初始质心选取的影响很小. 缺点:没有 ...
- SOFM自组织特征映射第一步:选取样本点
1.选取三种指数,均为栅格数据,进行栅格裁剪统一大小,并归一化处理 栅格裁剪步骤:数据管理工具->栅格->栅格处理->裁剪 归一化步骤:Spatial Analyst工具->叠 ...
最新文章
- 开源分布式中间件 DBLE Schema.xml 配置解析
- linux命令chmod
- 5 Android数据存储 任务二 应用程序数据文件夹里的文件读写 ,
- 怎么实现阵列装配_第九篇:磁盘阵列和群晖SHR
- C#使用Xamarin开发可移植移动应用(4.进阶篇MVVM双向绑定和命令绑定)附源码
- SQLAlchemy Script
- top 和cpu 负载不同_Linux: Top命令你了解多少?
- 记录:注意Unity返回的所有数组,只是数组的副本
- buck变换器设计matlab_在数字控制系统中实现LLC变换器的电流模式控制的思考
- Beta冲刺 第一天
- springboot启动的时候运行一些代码
- java 线程栈大小配置,jvm之栈、堆,jvm默认栈空间大小
- 阿里云无影云桌面分配用户是什么?
- 单片空间后方交会Matlab程序
- python批量telnet检测IP地址的端口是否开放
- Prometheus由于时间不同步导致数据不显示
- Qt 系统下的qm翻译文件
- 先用总分升序再用计算机降序,怎样用升序降序给EXCEL排名
- 吴秀波事件女主,被耽误的高阶玩家,一年12个月烧钱游遍全世界
- Python 使用xlrd 读取 Excel 报错:xlrd.compdoc.CompDocError: Workbook corruption: seen[3] == 4