自組織神經(jīng)網(wǎng)絡(luò)ppt課件(編輯修改稿)
2025-06-24 01:23 本頁面
【文章內(nèi)容簡(jiǎn)介】 使兩向量的點(diǎn)積最大。即 )??(?? ma x),2,1(*XWXW jmjj ??? 因此，求最小歐式距離的問題就轉(zhuǎn)化為按此式求最大點(diǎn)積的問題，而且權(quán)向量與輸入向量的點(diǎn)積正是競(jìng)爭(zhēng)層神經(jīng)元的凈輸入。 (3)網(wǎng)絡(luò)輸出與權(quán)值調(diào)整 勝者為王競(jìng)爭(zhēng)學(xué)習(xí)算法規(guī)定，獲勝神經(jīng)元輸出為 1，其余輸出為零。即 只有獲勝神經(jīng)元才有權(quán)調(diào)整其權(quán)向量，調(diào)整后權(quán)向量為 式中 學(xué)習(xí)章，一般其值隨著學(xué)習(xí)的進(jìn)展而減小?？梢钥闯?，當(dāng) 時(shí)，對(duì)應(yīng)神經(jīng)無的權(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。 ?????01)1(toj **jjjj????????????????)(?)1()??()(?)(?)1( *****tWtWWXtWWtWtWjjJjjjj ?**jjjj?? 應(yīng)注意，歸一化后的權(quán)向量經(jīng)過調(diào)整后得到的新向量不再是單位向量，需要重新歸一化。步驟（ 3）完成后回到步驟（ 1）繼續(xù)訓(xùn)練，直到學(xué)習(xí)率 衰減到零。 ]1,0(??*jj?（ SOM）神經(jīng)網(wǎng)絡(luò) 生物學(xué)研究表明：人的大腦皮層中，存在許多不同功能的神經(jīng)網(wǎng)絡(luò)區(qū)域，每個(gè)功能區(qū)域完成各自的特定功能，如視覺、聽覺、語言理解和運(yùn)動(dòng)控制等等。 當(dāng)人腦通過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。每個(gè)區(qū)域有若干神經(jīng)元組成，當(dāng)該區(qū)域興奮時(shí)，總是以某一個(gè)神經(jīng)元（細(xì)胞）為興奮中心，呈現(xiàn)出墨西哥帽（ Mexican Hat）式興奮分布。 1981年芬蘭學(xué)者 kohonen提出一個(gè)稱為自組織特征映射（ Self Organization Feature MapSOM或 SOFM）網(wǎng)絡(luò)，前面說的大腦神經(jīng)細(xì)胞興奮規(guī)律等，在該網(wǎng)絡(luò)中都得到了反應(yīng)。 網(wǎng)絡(luò)區(qū)域中的這種興奮與抑制規(guī)律，將依據(jù)外界輸入環(huán)境的不同，神經(jīng)元（細(xì)胞）要靠競(jìng)爭(zhēng)機(jī)制來決定勝負(fù)。 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 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。輸出層模擬做出響應(yīng)的大腦皮層。輸出層也是競(jìng)爭(zhēng)層，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)形式常見有一維線陣和二維平面陣。 網(wǎng)絡(luò)實(shí)現(xiàn)將任意維輸入模式在輸出層映射成一維離散圖形。 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。
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1