学习向量量化神经网络的设计.pptVIP

43点支大 学习向量量化神经网络(LvQ)数据 分类设计 主讲:周润景教授 单位:电子信息工程学院 目录 学习向量量化神经网络简介 学习向量量化神经网络结构 学习向量量化神经网络学习算法 学习向量量化神经网络应用于模式分类 总结 学习向量量化神经网络简介 LvQ网络是一种有教师训练竞争层的方法,主要用来进行向量识别。 LvQ网络是两层的网络结构: 第一层为竞争层,和前面的自组织竞争网络的竞争层功能相似,用于 对输入向量分类 第二层为线性层,将竞争层传递过来的分类信息转换为使用者所定义 的期望类别 二学习向量量化神经网络结构 学习向量量化神经网络结构 二.学习向量量化神经网络结构 学习向量量化网络和自组织映射网络具有非常类似的网络结构 网络有输入层和输出层组成,输入层具有N个输入节点,接受输 入向量X=[x,x…,x输出层有M个神经元,呈一维线性排列 学习向量量化没有在输出层引入拓扑结构,因此在网络学习中也 不再有获胜邻域的概念。输入节点和输出层神经元通过权值向量 W=[v1…,wg,w1(i=1,2 实现完全互连。其中任一神经元用i表示,其输入为输入向量和权值 向量的内积“-Wx∑x(1=1,2,…,M)。神经元的输出为v=f(x 其中f(.)为神经元激励函数,一般取为线性函数