第5篇 章 (SOM) 人工神经网络课件.ppt

第五章 自组织神经网络;自组织神经网络的典型结构;第五章 自组织神经网络;5.1竞争学习的概念与原理; 相似性测量＿欧式距离法;竞争学习规则——Winner-Take-All;向量归一化之前;向量归一化之后;竞争学习原理; 从上式可以看出，欲使两单位向量的欧式距离最小，须使两向量的点积最大。即：;竞争学习规则——胜者为王(Winner-Take-All);竞争学习的几何意义;竞争学习的几何意义;竞争学习游戏;竞争学习游戏;;;;;;;;;;;;;I’m Teuvo Kohonen;SOM网的生物学基础;SOM网的拓扑结构;SOM网的权值调整域;;SOM网的权值调整域;SOM网的运行原理;SOM网的运行原理;SOM网的学习算法;Kohonen学习算法;(5)调整权值 对优胜邻域Nj*(t)内的所有节点调整权值： i=1,2,…n j?Nj*(t) 式中， 是训练时间t 和邻域内第j 个神经元与获胜神经元 j* 之间的拓扑距离N 的函数，该函数一般有以下规律：;(5)调整权值;Kohonen学习算法程序流程;功 能 分 析 (1)保序映射——将输入空间的样本模式类有序地映射在输出层上。 例1：动物属性特征映射。;功能分析;(2)数据压缩 —— 将高维空间的样本在保持拓扑结构不变的条件下投影到低维空间。 (3)特征抽取 —— 高维空间的向量经过特征抽取后可以在低维特征空间更加清晰地表达。 例2：SOM网用于字符排序。;;5.3 自组织网络学习算法的MATLAB实现;5.3 自组织网络学习算法的MATLAB实现;5.3 自组织网络学习算法的MATLAB实现;5.3 自组织网络学习算法的MATLAB实现;5.3 自组织网络学习算法的MATLAB实现;5.3 自组织网络学习算法的MATLAB实现;例 SOM网络权值分布图;例 SOM网络数据分类图;小结