自组织特征映射神经网络.ppt

自组织特征映射神经网络自组织特征映射神经网络张翼、王利伟Friday,Friday,December 16,December 16,20222022 内容安排内容安排引言引言网络结构图网络结构图学习算法学习算法学习及工作准则学习及工作准则应用举例应用举例提出问题提出问题仿真仿真一引言一引言 Kohonen 网络模拟大脑神经系统自组织特征映射的功能，它是一种竞争式学习网络，在学习中能无监督地进行自组织学习。二网络结构图二网络结构图输入层竞争层三、网络的算法三、网络的算法l确定中心神经元确定中心神经元Mc ,满足满足|X-Mc|=min|Xi-Mi|l对以对以McMc为中心的周围的神经元的权向量按为中心的周围的神经元的权向量按四、学习及工作规则四、学习及工作规则j1iNij四、学习及工作规则四、学习及工作规则l初始化初始化网络的连接权网络的连接权Wij、学习效率学习效率(t)、邻域邻域Nc(t)的初始值的初始值l网络的输入模式为网络的输入模式为四、学习及工作规则四、学习及工作规则l对对Xk 计算计算Xk与全部输出节点所连接向量与全部输出节点所连接向量WTj的的距离距离l具有最小距离的节点具有最小距离的节点 竞争获胜竞争获胜四、学习及工作规则四、学习及工作规则l进行连接权的调整，对竞争层邻域进行连接权的调整，对竞争层邻域Nc(t)内的所有神经内的所有神经元与输入层神经元之间的连接权进行修正。元与输入层神经元之间的连接权进行修正。其中，其中，(t)为为t时刻的学习效率。时刻的学习效率。l更新学习速率更新学习速率(t)及邻域及邻域Nc(t)。l令令t=t+1，返回，返回步骤步骤（2），直至，直至t=T为止。为止。四、学习及工作规则四、学习及工作规则五、算法举例五、算法举例l一特征图由一特征图由9 9个排成一维的神经元组成。根据如下的个排成一维的神经元组成。根据如下的初始权值，画一权值向量图，并且将领域神经元的初始权值，画一权值向量图，并且将领域神经元的权值用线连接起来。用如下向量迭代一次来训练特权值用线连接起来。用如下向量迭代一次来训练特征图，其中学习速度征图，其中学习速度0.10.1，邻域半径为，邻域半径为1 1。重画对。重画对新权值矩阵的图。新权值矩阵的图。五、算法举例五、算法举例123654789五、算法举例五、算法举例123654789五、算法举例五、算法举例123654789五、算法举例五、算法举例123654789六、讨论问题六、讨论问题l学习速度的选择。学习速度的选择。l连接权矢量初始值的确定。连接权矢量初始值的确定。l邻域半径的选择。邻域半径的选择。l程序介绍程序介绍l演示仿真演示仿真l结果分析结果分析七、仿真七、仿真