;,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;(竞争层)两层拓扑结构;,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;: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;1SOM算法工作原理SOM二维网络拓扑结构图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。1SOM算法工作原理神经元交互模式在竞争层中,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。,返回步骤(3),直到所有输入模式全部学习完毕;=t+l,返回步骤(2),直至t=T或网络收敛为止。2SOM算法实现的基本流程SOM聚类算法实现的具体流程图
som算法 来自淘豆网m.daumloan.com转载请标明出处.
