應(yīng)用自我組織類神經(jīng)網(wǎng)路於-免費(fèi)閱讀
【正文】 s selforganizing feature map , Proc. of the IEEE IECON 21st International Conference , Vol. 2 , pp. 13841388, 1995.[7] Kim, .。由實(shí)際例子中發(fā)現(xiàn)，自我組織演算法除了可用以求解最短路徑問題外，應(yīng)用於求解最長路徑問題亦可得到不錯(cuò)之結(jié)果。此外，由公式(1)可知，當(dāng)G174。其路徑長度之質(zhì)方圖如圖九所示。 表示。然後輸出最長路徑及其長度。否則執(zhí)行步驟十一。步驟六：移動(dòng)節(jié)點(diǎn)i之最接近神經(jīng)元jc及其鄰近之神經(jīng)元，其中令n值為鄰近神經(jīng)元j與jc之相鄰個(gè)數(shù)，在考慮環(huán)狀連結(jié)情形下，n值指定如下：n = MIN ( |jcj|, jcj+R, jjc+R)座標(biāo)W之移動(dòng)公式如下所示：wj1 = wj1 + f (G, n) * (xi1wj1)wj2 = wj2 + f (G, n) * (xi2wj2)其中f (G, n) = exp(n2/G2)/ (1)步驟七：當(dāng)每一神經(jīng)元對(duì)應(yīng)之節(jié)點(diǎn)不再改變時(shí)，輸出此神經(jīng)元所對(duì)應(yīng)節(jié)點(diǎn)順序，即節(jié)點(diǎn)之路徑，至步驟八。設(shè)定減少率α值，及試驗(yàn)次數(shù)Z。則若a因此繼續(xù)使用定理一之方法，必定可以將此交錯(cuò)線改進(jìn)為不交錯(cuò)線。令uy,n+1 186。下列限制條件之(1)、(2)和(3)表示每行及每列都恰好有一個(gè)1，其餘為0。本文研究之問題是要獲得一恰好經(jīng)過每一節(jié)點(diǎn)一次且回到原來起始點(diǎn)之封閉路徑。3. 網(wǎng)路連結(jié)：輸出層神經(jīng)元與輸入層相連結(jié)的加權(quán)值所構(gòu)成的向量，表示兩者間映射之函數(shù)關(guān)係。常見的非監(jiān)督式類神經(jīng)網(wǎng)路有Kohonen自我組織網(wǎng)路和Carpenter/Grossberg網(wǎng)路。(3) 具學(xué)習(xí)能力，可以自行由例子中尋找規(guī)則性而具專門知識(shí)。由數(shù)個(gè)實(shí)例之模擬結(jié)果證明可用以得到不錯(cuò)之解答。關(guān)鍵詞：類神經(jīng)網(wǎng)路、自我組織法、銷售員旅行問題、最長不相交路徑問題。(4) 有保持菁華（abstraction）的能力。訓(xùn)練樣本裡不包括理想輸出向量。當(dāng)網(wǎng)路學(xué)習(xí)完成後，其相臨近之神經(jīng)元會(huì)具有相似的加權(quán)值。要求出不相交且最長距離之路徑。即除起始點(diǎn)外，每個(gè)節(jié)點(diǎn)恰好經(jīng)過一次。 uy,1。定理三：設(shè)任意四點(diǎn)A,B,C,D，其座標(biāo)值分別為(a1, a2), (b1, b2), (c1, c2), 及(d1, d2)。b 0且c步驟二：設(shè)定G之初始值；隨機(jī)改變節(jié)點(diǎn)之順序，訂定一與節(jié)點(diǎn)數(shù)目相同神經(jīng)元之自我組織類神經(jīng)網(wǎng)路；隨機(jī)產(chǎn)生均勻分佈於一圓周之神經(jīng)元，設(shè)初始值座標(biāo)(wj1,wj2), j=1,2,...,N，令神經(jīng)元總數(shù)目R=N。否則，減少G值，公式如下：G = G * (1a)，回到步驟三。 步驟十：由步驟八可知此路徑長度比原先最大長度長，儲(chǔ)存最長路徑距離和連結(jié)順序。第二階段之演算法，可利用下列方法提高效率：61. 判斷任何兩線段是否交錯(cuò)之方法，先利用定理三之方法，可加快判斷速度。減少率α=，試驗(yàn)次數(shù)共200次。7圖八 例二獲得最長之不相交路徑路徑長度圖九 例二之質(zhì)方圖例子三：本例中使用一隨機(jī)產(chǎn)生30個(gè)節(jié)點(diǎn)為數(shù)據(jù)。 165。在求解此最佳化路徑之問題方面，使用基因法則、模擬退火法或Hopfield類神經(jīng)網(wǎng)路等方法相信亦可以有相當(dāng)不錯(cuò)之結(jié)果。 Kim, .。 Funakubo, N , A new approach to solve the traveling salesman problem by using the improved Kohonen39。並提出一些相關(guān)之定理與一解題之演算法。一般而言，當(dāng)α值接近0時(shí)，需費(fèi)較多時(shí)間但效果較好。所獲得最長不相交路徑之結(jié)果，如圖八所示。x39。步驟十二：回到步驟二產(chǎn)生另一隨機(jī)初始值重新執(zhí)行，直到完成試驗(yàn)次數(shù)。若路徑中無任何兩線段交錯(cuò)，則到步驟十。若有任何一個(gè)神經(jīng)元在三次完整節(jié)點(diǎn)最近距離比較中，都不曾是任一節(jié)點(diǎn)之最近神經(jīng)元時(shí)，則刪除此一神經(jīng)元。第一階段使用之方法，參考相關(guān)之文獻(xiàn)[59]，經(jīng)整理與改進(jìn)得到下列演算法：步
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1