自组织映射算法介绍.ppt

自组织映射算法 钱运哲张天元 sOM算法简介 Self- organIzing map:自组织映射由芬 兰人 Kohonen于1981年开始研究 种基于竞争学习的神经网络。 ■非参数无监督学习。 ■模拟人脑最成功的神经网络之 泛用于观察分析数据分布结构,分类聚 类,向量量化及组合优化,机器视觉、机 械控制、语音识别等领域。 sOM的生物学依据 ■源于大脑的结构特性: 神经元结构相同,参数不同导致排序不同 特定神经元参数组织对特定外界刺激敏感,形成局部功能 区域。 遗传决定神经元初始排序,接受信号刺激导致聚类过程, 形成经验信息 ■神经元侧向交互原理 -以发出信号的神经元为圆心,对近邻的神经元的交互作用 表现为兴奋性侧反馈; -以发出信号的神经元为圆心,对远邻的神经元的交互作用 表现为抑制性侧反馈。 sOM的网络拓扑结构 竞争层 输出层 输人层 sOM的网络拓扑结构(2) OOOOOOOoO ○O求 O/O/G ○d○ (a HechgoruAl srid 〔b) RecthTibulAr rid sOM的网络拓扑结构(3) 认4 sOM算法思想 ■某个输出结点能对某一类模式作出特别的 反应以代表该模式类 ■输出层上相邻的结点能对实际模式分布中 相近的模式类作出特别的反映 当某类数据模式输入时,对某一输出结点 产生最大刺激(获胜结点),同时对获胜 结点周围的一些结点产生