4自组织神经网络幻灯片.pptVIP

* 4 自组织神经网络 采用有导师学习规则的神经网络是以网络的误差或能量函数作为算法准则。而在很多情况下，人在认知过程中没有预知的正确模式，人获得大量知识常常是靠“无师自通”，即通过对客观事物的反复观察，分析与比较，自行揭示其内在规律，并对具有共同特征的事物进行正确归类。对于人的这种学习方式，基于有导师学习策略的神经网络是无能为力的。 自组织神经网络的无导师学习方式更类似于人类大脑中生物神经网络的学习，其最重要特点是通过自动寻找样本中的内在规律和本质属性，自组织自适应地改变网络参数与结构。这种学习方式大大拓宽神经网络在模式识别与分类方面的应用。 自组织网结构上属于层次型网络，有多种类型。 如：自组织特征映射（Self Organizing Feature Map）网络—SOM）； 对偶（向）传播（Counter Propagation Network 网络—CPN ； 自适应共振理论（Adaptive Resonance Theory 网络—ART等。 其共同特点是都具有竞争层。 最简单的网络结构具有一个输入层和一个竞争层。 输入模式 输出模式 竞争层 输入层负责接受外界信息并将输入模式向竞争层传递，起观察作用。 竞争层负责对该模式进行“分析比较”，找出规律以正确分类。 这种功能是通过下面要介绍的竞争机制实现的。 竞争学习是自组织网络中最常用的一种学习策略，首先说明与之相关的几