SOM自组织神经网络学习

SOM背景介绍

SOM是一种自组织（竞争型）神经网络，其认为：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。SOM 网络正是根据这一看法提 出来的，通过不断的发展，现已被广泛应用于语音识别、图像 处理、分类聚类、组合优化 (如 TSP 问题)、数据分析和预测等 众多信息处理领域。

SOM网络结构

SOM网络由两个层次组成，即输入层和输出层(竞争层)。 输入层接受样本输入，节点数和样本维数一样；输出层上，神经元之间相互竞争，通过修改神经元之间的连接权重，使得若干神经元活跃，并最终得出获胜结点。神经元的排列有多种形式，有输出层按一维阵列组织的SOM网，其结构最为简单； 有输出层按二维平面组织的 SOM 网，是最典型的组织方式， 其每个神经元同它周围的其它神经元侧向连接，并标以权重。

分类与聚类

分类是在类别知识等导师信号的指导下，将待识别的输入模式分配到各自的模式类中，

聚类是无导师指导的分类，目的是将相似的模式样本划归一类，而将不相似的分离开来,实现模式样本的类内相似性和类间分离性。由于无导师学习的训练样本中不含期望输出，因此对于某一输入模式样本应属于哪一类并没有任何先验知识。对于一组输入模式，只能根据它们之间的相似程度来分为若干类，因此，相似性是输入模