自组织特征映射网络(SOM)课件.docx

人工神经网络 自组织特征映射网络简介 二。一二年十二月 Self-Organizing Feature Mapping Self-Organizing Feature Mapping PAGE # Self-Organizing Feature Mapping Self-Organizing Feature Mapping PAGE # 目录: 1.由自组织竞争神经网络谈起 2.自组织特征映射网基本概念 3.自组织特征映射网拓扑结构 4.自组织特征映射网学习算法 5.自组织特征映射网的应用 从自组织竞争神经网络谈起：此类网络是模拟生物神经系统“侧抑制”现象的 一类人工神经网络。自组织特征映射网是此类网络的主要类型之一。 在生物神经系统中，存在着一种“侧抑制”现象，即当一个神经细胞兴 奋后，会对其周围的神经细胞产生抑制作用。这种“侧抑制”使神经细胞之 间呈现出竞争。开始时可能多个细胞同时兴奋，但一个兴奋程度最强的神经 细胞会逐渐抑制周围神经细胞，其结果使其周围神经细胞兴奋度减弱，从而 兴奋度最高的细胞是这次竞争的“胜者”，而其他神经细胞在竞争中失败。 自组织竞争神经网络就是模拟 上述生物神经系统功能的人工神经 网络。如右图所示，输出层各神经 元之间都有双向连接线，各连接线 被赋予相应的权值。从而实现对生 物网络神经元相互竞争和抑制现象 的模拟。 自组织竞争神经网络通过对“侧抑制”现象的模拟，具备自组织功能，能无导 师学习。 自组织功能无导师学习 ＞自组织竞争神经网络的一大特点是：具有自组织功能，能够自适应地改变 网络参数和结构，从而实现无导师学习。 ＞自组织竞争网络无导师学习方式更类似于人类大脑神经网络的学习，大大 拓宽了神经网络在模式识别和和分类上的应用。 ＞无导师指导的分类称为聚类，由于无导师学习的训练样本中不含有期望输 出，因此没有任何先验的知识。 特殊网络结构 ＞白组织竞争网的无导师指导学习是通过其特殊的网絡结构实现的。自组织 竞争网在结构上属于层次型网络，共同特点是都具有竞争层。 ＞自组织竞争网络的竞争层，各神经元之间存在横向连接，各连接被赋予权 值。通过竞争学习规则，达到自组织，实现对输入样本的自动分类。 特殊学习规则 ＞竞争学习规则：竞争层神经元之间相互竞争以求被激活，结果在每一轮竞 争中只有一个神经元被激活。这个被激活的神经元称为“获胜神经元”， 而其它神经元的状态被抑制。然后获胜神经元及其附近神经元的对应权值 将被调整以反映竞争结果。 ＞主要的竞争学习规则有“胜者为王”和Kohonen规则等。“胜者为王”只修 改获胜神经元权值，Kohonen规则修改获胜神经元邻域内各神经元权值。 Self-Organizing Feature Mapping Self-Organizing Feature Mapping PAGE # Self-Organizing Feature Mapping Self-Organizing Feature Mapping PAGE # 自组织竞争神经网络的主要类型包括：自组织特征映射网络、对偶传播神经网 络、自适应共振理论网等。 自组织特征映射网络 自适应共振理论 自组织特征映射网络 ?ART是一种能自组织地 产生对环境认识编码的 神经网络理论模型。 -ART来源于无意识推理 学说的“协作?竞争网 络交互模型”。 ,ART理论己提出了三种 模型结构，即ART1, ART2. ART3o ?ART理论可以用于语音、 视觉、嗅觉和字符识别 等领域。 ?? X 、 自组织竞争神经网络 ?1981年，科霍恩（Kohonen）教授首先 提岀自组织特征映射网（SOM）。 SOM的运行基于Kohonen规则。 对偶传播神经网络 自适应共振理论 对偶传播神经网络 ?对传网是三层结构的前向网（输 入层、隐含层、输出层），形式 上与BP网类似，但工作机理不同。 隐含层采用无导师的竞争学习算 法，输出层用采用有导师的学习 算法。 ?最突出的优点是将有监督和无监 督的训练算法有机结合起来，从 而提高训练效率。 目录: 1.由自组织竞争神经网络谈起 2.自组织特征映射网基本概念 3.自组织特征映射网拓扑结构 4.自组织特征映射网学习算法 5.自组织特征映射网的应用 自组织特征映射网的前世今生：1981年由芬兰学者科霍恩首先提出，自提出以 来取得快速发展，目前广泛应用多个领域。 概念提出 1981年，科霍恩(Kohonen)教授提出一种自组织特征映射网(Self-Organizing feature Map,简称SOM,又称Kohonen网)。科霍恩认为，一个生物神经网络在接受外界输 入模式时，将会分为不同的对应区域，各区域对输入模式具有不同的响应特征，而旦 这个过程是自动完成的