第5章自组织竞争网络.ppt

人工神经网络及应用 主讲 何东健 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。 自组织神经网络的无导师学习方式类似于大脑中生物神经网络的学习，其最重要的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。 自组织网络结构上属于层次型网络，有多种类型，其共同特点是都具有竞争层。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”，找出规律以正确归类。 5.1 竞争学习的概念与原理 5.1.1 基本概念 1．模式、分类、聚类与相似性 模式：是对某些感兴趣的客体的定量描述或结构描述，模式类是具有某些共同特征的模式的集合。 分类（有导师指导） ：是在类别知识等导师信号的指导下，将待识别的输入模式分配到各自的模式类中去。 聚类（无导师指导）：将相似的模式样本划归一类，而将不相似的分离开，其结果实现了模式样本的类内相似性和类间分离性。对一组输入模式，只能根据它们之间的相似程度分为若干类，因此相似性是输入模式的聚类依据。 2．相似性测量 欧式距离法和余弦法。 (1)欧式距离法 欧式距离，即两个模式向量的欧式距离越小，两个向量越接近，因此认为这两个模式越相似，当两个模式完全相同时其欧式距离为零。对