人工神经网络算法-精品.ppt

6.6 自组织神经网络 网络自组织算法 网络开始训练时，某个输出结点能对某一类模式作出特别的反应，以代表该模式类，但这里规定二维平面上相邻的结点能对实际模式分布中相近的模式类作出特别的反应。 当某类数据模式输入时，对其某一输出结点给予最大的刺激，以指示该类模式的所属区域，而同时对获胜结点周围的一些结点给予较大的刺激。 6.6 自组织神经网络 网络自组织算法 当输入模式从一个模式区域移到相邻的模式区域时，二维平面上的获胜结点也从原来的结点移到其相邻的结点。 因此，从Kohonen网络的输出状况，不但能判断输入模式所属的类别并使输出结点代表某一类模式，还能够得到整个数据区域的大体分布情况，即从样本数据中抓到所有数据分布的大体本质特性。 6.6 自组织神经网络 网络自组织算法 为了能使二维输出平面上相邻的输出结点对相近的输入模式类作出特别反应，在训练过程中需定义获胜结点的邻域结点。 假设本次获胜结点为Nj，它在t时刻的邻域结点用NEj(t)表示，NEj(t)包含以结点Nj为中心而距离不超过某一半径的所有结点。 随着训练的进行， NEj(t)的半径逐渐缩小，最后只包含获胜结点Nj自身，即在训练初始阶段，不但对获胜的结点做权值调整，也对其较大范围内的几何邻接结点做相应的调整，而随着训练过程的继续，与输出结点相连的权向量也越来越接近其代表的模式类。 6.6 自组织神经网络 网络自组织算法