10、自组织映射神经网络与学习向量量化网络详解

自组织映射神经网络与学习向量量化网络详解

在神经网络领域，自组织映射（Self-Organizing Map, SOFM）和学习向量量化（Learning Vector Quantization, LVQ）网络是两种重要的模型，它们在数据分类、特征提取等方面有着广泛的应用。下面将详细介绍它们的相关知识。

1. 神经元邻域与拓扑结构

• 邻域表示 ：神经元的邻域可以用集合来表示，例如 $N_{13}(1) = {8, 12, 13, 14, 18}$ 和 $N_{13}(2) = {3, 7, 8, 9, 11, 12, 13, 14, 15, 17, 18, 19, 23}$。
• 神经元排列维度 ：SOFM 中的神经元不局限于二维排列，也可以是一维、三维或更高维度。对于一维 SOFM，半径为 1 时，神经元通常有两个邻居（位于端点的神经元只有一个邻居）。
• 拓扑结构函数 ：可以使用 gridtop 、 hextop 和 randtop 函数来指定神经元的初始拓扑结构。
  • gridtop ：以矩形网格排列神经元。例如，创建一个 2 行 3 列的神经元阵列：

pos = gridtop(2,3);