3神经网络介绍.ppt

反向传播（BP）学习 1 x1 2 -2 s2 u x2 -2 3 3 3 1 -2 1 s1 1 2 1 3 -2 r2 -4 2 2 r1 1 -2 反向传播 Δwx2s1← Δwx2s2← Δws1r1←η(δr1os1)=0.8*0.04*0.5 Δwx0s1← Δwx0s2← Δws1r2 Δws2r1 Δws2r2 Δws0r1 Δws0r2 Δwr1u←η(δuor1)=0.8*0.125*0.122 Δwr2u← Δwr0u← 自组织特征映射 非监督神经网络 聚类：训练集的类的归属是未知的， 通过学习发现类的归属 自组织特征映射 使用相似性度量发现簇 欧几里德平方距离（公式，图1） 聚类方法：（图2） 生成k个n维向量，它们代表k个簇的中心。 使用欧几里德平方距离分配每个训练样本到最近的簇。 通过对分配给每个簇的所有样本取平均，对每个簇进行更新。 重复步骤2与3，直至满足指定的停止准则。 自组织特征映射 聚类算法应具有的所希望的特性为： 自动确定原型数。 一个原型与另一个原型相似的一种度量。 代表原型的主要特征。 自组织特征映射 自组织特征映射神经网络： 其输入节点个数对应于训练向量的维数 输出节点（簇节点 ）充当原型 射入到每个簇节点的全部权的数目与输入向量的维数相同 人工神经网络 人工神经元是组成人工神经网络的基本处理