关于SOM(self-organized map)自组织特征映射神经网络的理解

SOM(自组织映射)是一种无监督的神经网络,用于高维数据的降维和特征识别。其结构包含输入层和输出层,全连接权重矩阵连接两者。训练过程中,输入样本与输出节点匹配,找到最优节点并更新其领域内节点的权重。学习率和领域函数随迭代减小,直至达到预设迭代次数。SOM在网络中寻找数据的拓扑结构,常用于数据可视化和分类。

som网络结构

对SOM进行理解,首先要明确它的定位。
首先它是神经网络的一种,那么就有属于神经网络共同的性质。比如输入层,输出层。刚好,SOM网络只有这两层。
在这里插入图片描述
在这里插入图片描述

(上面两张是典型的som网络结构图)
输入层不必讲,从x1x_1x1xnx_nxn,都是一个个输入样本节点,每个样本会有好几个特征值维度。
输出层的节点个数是自己设置的,排列方式也是自己设定,输出层的节点与节点之间通常也会有连接。
输出层和输入层是以全连接的方式进行连接的,相互连接的桥梁就是一组组权重矩阵。
wiw_iwi表示第i个输出节点与所有输入数据相连的权值。wijw_{ij}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值