自组织神经网络(SOM)方法及其应用.pptVIP

训练接近尾声的输出平面 当前第62页\共有66页\编于星期四\10点 Sphere——球面 用球面状样本训练SOM网络 当前第63页\共有66页\编于星期四\10点 Twist——扭转 用蝴蝶状样本训练SOM网络 当前第64页\共有66页\编于星期四\10点 Parabola——抛物面 用抛物面样本训练SOM网络 当前第65页\共有66页\编于星期四\10点 Cubic——三次曲线 用三次曲线状样本训练SOM网络 当前第66页\共有66页\编于星期四\10点 SOM网的生物学基础 生物学研究的事实表明，在人脑的感觉通道上，神经元的组织原理是有序排列。因此当人脑通过感官接受外界的特定时空信息时，大脑皮层的特定区域兴奋，而且类似的外界信息在对应区域是连续映象的。 对于某一图形或某一频率的特定兴奋过程，神经元的有序排列以及对外界信息的连续映象是自组织特征映射网中竞争机制的生物学基础。 当前第30页\共有66页\编于星期四\10点 SOM网的拓扑结构 SOM网共有两层，输入层模拟感知外界输入信息的视网膜，输出层模拟做出响应的大脑皮层。 当前第31页\共有66页\编于星期四\10点 SOM网的权值调整域 SOM网的获胜神经元对其邻近神经元的影响是由近及远，由兴奋逐渐转变为抑制，因此其学习算法中不仅获胜神经元本身要调整权向量，它周围的神经