《自組織神經(jīng)網(wǎng)絡(luò)》ppt課件-全文預(yù)覽
【正文】 增加不斷收縮，最終收縮到半徑為零。理論上按墨西哥帽分布調(diào)整權(quán)值，但其計(jì)算上的復(fù)雜性影響了網(wǎng)絡(luò)訓(xùn)練的收斂性。 網(wǎng)絡(luò)實(shí)現(xiàn)將任意維輸入模式在輸出層映射成二維離散圖形。 大腦的這種區(qū)域性結(jié)構(gòu)，雖有遺傳因素，但，各區(qū)域的功能大部分是后天通過(guò) 環(huán)境的適應(yīng)和學(xué)習(xí)得到的，這就是神經(jīng)網(wǎng)絡(luò)的自組織（ self anization）特征 . SOM網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)與權(quán)值調(diào)整域 拓?fù)浣Y(jié)構(gòu) SOM網(wǎng)絡(luò)共有兩層，輸入層模擬感知外界輸入信息的視網(wǎng)膜。 當(dāng)人腦通過(guò)感官接受外界的特定時(shí)空信息時(shí)，將引起大腦皮層的特定區(qū)域興奮?？梢钥闯?，當(dāng) 時(shí)，對(duì)應(yīng)神經(jīng)無(wú)的權(quán)值得不到調(diào)整，其實(shí)質(zhì)是“勝者”對(duì)它們進(jìn)行了強(qiáng)測(cè)抑制，不允許它們興奮。 (2)尋找獲勝神經(jīng)元 此式看出，欲兩單位向量的歐式距離最小，須使兩向量的點(diǎn)積最大。 向量歸一化 不同的向量有長(zhǎng)短和方向區(qū)別，向量歸一化的目的是將向量變成方向不變長(zhǎng)度為 1的單位向量。 最強(qiáng)的抑制關(guān)系是競(jìng)爭(zhēng)獲勝者“惟我獨(dú)興”，不允許其它神經(jīng)元興奮，這種抑制方式也稱(chēng)為勝者為王。 iiTXXXX??c os 側(cè)抑制與競(jìng)爭(zhēng) 自組織網(wǎng)絡(luò)（競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)）構(gòu)成的基本思想是網(wǎng)絡(luò)的競(jìng)爭(zhēng)層各神經(jīng)元競(jìng)爭(zhēng)對(duì)輸入模式響應(yīng)的機(jī)會(huì)，最后僅有一個(gè)神經(jīng)元成為競(jìng)爭(zhēng)的“勝者”，這一獲勝神經(jīng)元?jiǎng)t表示對(duì)輸入模式的識(shí)別。 （ 2）余弦法 計(jì)算兩個(gè)模式向量夾角的余弦： 兩個(gè)模式向量越接近，其類(lèi)角越小，余弦越大。 相似性測(cè)量 神經(jīng)網(wǎng)絡(luò)的輸入模式用向量表示，比較不同模式的相似性可轉(zhuǎn)化為比較兩個(gè)向量的距離，因而可用模式向量間的距離作為聚類(lèi)判據(jù)。 競(jìng)爭(zhēng)層負(fù)責(zé)對(duì)該模式進(jìn)行“分析比較”，找出規(guī)律以正確分類(lèi)。 如：自組織特征映射（ Self Organizing Feature Map）網(wǎng)絡(luò) — SOM）； 對(duì)偶（向）傳播（ Counter Propagation Network)網(wǎng)絡(luò) — CPN)； 自適應(yīng)共振理論（ Adaptive Resonance Theory)網(wǎng)絡(luò) — ART等。對(duì)于人的這種學(xué)習(xí)方式，基于有導(dǎo)師學(xué)習(xí)策略的神經(jīng)網(wǎng)絡(luò)是無(wú)能為力的。而在很多情況下，人在認(rèn)知過(guò)程中沒(méi)有預(yù)知的正確模式，人獲得大量知識(shí)常常是靠“無(wú)師自通”，即通過(guò)對(duì)客觀事物的反復(fù)觀察，分析與比較，自行揭示其內(nèi)在規(guī)律，并對(duì)具有共同特征的事物進(jìn)行正確歸類(lèi)。 自組織網(wǎng)結(jié)構(gòu)上屬于層次型網(wǎng)絡(luò)，有多種類(lèi)型。 輸入模式 輸出模式 競(jìng)爭(zhēng)層 輸入層負(fù)責(zé)接受外界信息并將輸入模式
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1