自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第一部分

本文介绍了自组织神经网络SOM的基本概念,包括其竞争学习的原理和网络结构。SOM作为一种无监督学习模型,常用于高维数据的降维和可视化,以及聚类分析。文章讨论了竞争层神经元的竞争与抑制机制,并概述了学习过程中的归一化、获胜神经元选择和权重调整步骤。

自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第一部分
自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第二部分
自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第三部分

本文详细介绍一下自组织神经网络概念和原理,并重点介绍一下自组织特征映射SOM网络。SOM和现在流行的ANN(MLP)模型在结构上类似,都由非常简单的神经元结构组成,但是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[1],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。

1、背景:自组织(竞争型)神经网络

SOM是一种自组织(竞争型)神经网络,除了SOM外,其他常见的自组织(竞争型)神经网络还有对偶传播(Counter propagation)网络,自适应共振理论(Adaptive Resonance Theory)网络等。

生物学研究表明,在人脑的感觉通道上,神经元的组织原理是有序排列的。当外界的特定时空信息输入时,大脑皮层的特定区域兴奋,而且类似的外界信息在对应的区域是连续映像的。生物视网膜中有许多特定的细胞对特定的图形比较敏感,当视网膜中有若干个接收单元同时受特定模式刺激时,就使大脑皮层中的特定神经元开始兴奋,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值