本文介绍了自组织特征映射（SOFM）神经网络，由T·Kohonen教授提出，模拟人脑神经元自组织特性。SOFM具有生物学基础，网络结构包含输入和输出层，且权值调整域采用Kohonen算法。在训练过程中，网络会形成有序特征映射，实现数据压缩和特征抽取。文章详细阐述了SOFM的运行原理、学习算法和功能分析，包括保序映射、数据压缩和特征抽取的应用示例。
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 。 Kohonen 认为 ，一个神经网络接受外界输入模式时， 将会分为不同的对应区域， 各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。 自组织特征映射正是根据这一看法提出来的 ，其特点与人脑的自组织特性相类似。
一、SOFM网生物学基础
生物学研究表明，在人脑感觉通道上，神经元的组织原理是有序排列的，输入模式接近，对应的兴奋神经元也相近。大脑皮层中神经元这种相应特点不是先天形成的，而是后天的学习自组织形成的。
对于某一图形或某一频率的特定兴奋过程是自组织特征映射网中竞争机制的生物学基础。神经元的有序排列以及对外界信息的连续映像在自组织特征映射网中也有反映，当外界输入不同的样本时，网络中哪个位置的神经元兴奋在训练开始时时随机的。但自组织训练后会在竞争层形成神经元的有序排列，功能相近的神经元非常靠近，功能不同的神经元离的较远。这一特点与人脑神经元的组织原理十分相似。
订阅专栏 解锁全文
扫一扫
1982
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
