人工神经网络理论及应用课件第4章自组织竞争网络.pptxVIP

第4章 自组织神经网络;第4章 反馈神经网络;自组织神经网络的典型结构;4自组织神经网络;4.1竞争学习的概念与原理; 相似性测量＿欧式距离法; 相似性测量＿余弦法;4.1.2 竞争学习原理;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;例4.1 用竞争学习算法将下列各模式分为2类：;;;;;;;;;;;;4.2??组织特征映射神经网络（Self-Organizing feature Map）;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。;;SOM网在皮革配皮中的应用;;基于SOM神经网络的皮革聚类;2. SOM 神经网络的设计 网络结构: 6输入1维线阵输出。 聚类时每批100张皮，平均每件皮衣需要5～6张皮，因此将输出层设置20个神经元。每个神经元代表一类外观效果相似的皮料，如果聚为一类的皮料不够做一件皮衣，可以和相邻类归并使用。 ;;4.皮革纹理分类结果 ;SOM网用于物流中心城市分类评价 ;;SOM网用于物流中心城市分类评价 ;SOM网用于物流中心城市分类评价 ;;上机实验说明 任务：用平面网格状样本训练SOM网络;训练过程中的输出平面;训练过程中的输出平面;训练过程中的输出平面;训练过程中的输出平面;训练接近尾声的输出平面;Sphere——球面;Twist——扭转;Parabola——抛物面;Cubic——三次曲线;Cosine——余弦;4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.3学习向量量化神经网络(LVQ网络);4.4 对偶传播神经网络 ;; X＝(x1,x2,…,xn)T Y＝(y1,y2,…,ym)T，yi∈{0,1}，i=1,2,…,m O＝(o1,o2,…,ol)T d＝(d1,d2,…,dl)T V=(V1,V2,…,Vj,…,Vm) W=(W1,W2,…,Wk,…,Wl);对偶传播神经网络;4.4.2 CPN的学习算法;4.4.2 CPN的学习算法;4.4.2 CPN的学习算法;4.4.2 CPN的学习算法;4.4.2 CPN的学习算法;4.4.3 对偶传播神经网络的其他形式 4.4.3.1 双获胜节点CPN网;4.4.3.2 双向CPN网;4.4.4 CPN网络的应用;4.5 自适应共振理论;思考并回答以下几个问题;自适应共振理论（ART）;共振现象;ART网络学习算法的基本流程;C —— 比较层 R —— 识别层 Reset ——复位信号 G1和G2 ——逻辑控制信号;4.5.1.1网络系统结构;4.5.1.1网络系统结构;4.5.1.1网络系统结构;4.5.1.2 网络运行原理;4.5.1.2 网络运行原理;(2)比较阶段 R层输出信息通过外星向量返回到C层。R 层获胜节点所连的外星权向量激活，从节点j* 发出的n个权值信号返回到C 层的n个节点。此时，R层输出不全为零，R0=1，而G1==0，所以C 层最新输出状态C’取决于由R 层返回的外星权向量和网络输入模式X的比较结果，即，i=1,2,…,n。由于外星权向量是R 层模式类的典型向量，该比较结果C’反映了在匹配阶段R 层竞争排名第一的