人工神經(jīng)網(wǎng)絡(luò)方法ppt課件-資料下載頁(yè)
2025-01-05 05:06本頁(yè)面
【正文】 onen網(wǎng)絡(luò)的學(xué)習(xí)和工作規(guī)則 Kohonen網(wǎng)絡(luò)的自組織學(xué)習(xí)過(guò)程可以描述為：對(duì)于每一個(gè)網(wǎng)絡(luò)的輸入，只調(diào)整一部分權(quán)值，使權(quán)向量更接近或更偏離輸入矢量，這一調(diào)整過(guò)程，就是競(jìng)爭(zhēng)學(xué)習(xí)，隨著不斷學(xué)習(xí)，所有權(quán)矢量都在輸入矢量空間相互分離，形成了各自代表輸入空間的一類模式，這就是 Kohonen網(wǎng)絡(luò)的特征自動(dòng)識(shí)別的聚類功能 。 ?建立城市分類的 Kohonen網(wǎng)絡(luò)模型 1 指標(biāo)數(shù)據(jù)的處理 在本模型中 ， 采用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化 ， 將原始數(shù)據(jù) 轉(zhuǎn)換為： ),2,1(),( 21 mixxxxX inijiii ??? ??),2,1(),( 39。39。39。 239。 139。 mixxxxX inijiii ??? ??),2,1。,2,1(39。 njmis xxxjjijij ?? ????? ????????mijijjmiijj xxmsxmx1211,12 運(yùn)用 Matlab神經(jīng)網(wǎng)絡(luò)工具箱建立 Kohonen網(wǎng)絡(luò)模型 將長(zhǎng)江三角洲各城市的 28項(xiàng)指標(biāo)導(dǎo)入 Kohonen網(wǎng)絡(luò)中 ，作為網(wǎng)絡(luò)的輸入模式 ， 因此輸入層的神經(jīng)元個(gè)數(shù)為 28；而競(jìng)爭(zhēng)層的神經(jīng)元個(gè)數(shù)決定于需要分成幾類 ， 在不清楚分類數(shù)目的情況下 ， 競(jìng)爭(zhēng)層神經(jīng)元個(gè)數(shù)從開(kāi)始 ， 然后依次加 1， 分別進(jìn)行學(xué)習(xí) 。 在 Kohonen網(wǎng)絡(luò)模型中 ， 選擇網(wǎng)絡(luò)訓(xùn)練的迭代最大次數(shù)為 1000次 ， 初始的學(xué)習(xí)率為 。 3 Kohonen網(wǎng)絡(luò)模型的分類結(jié)果 ?結(jié)果及討論 從長(zhǎng)江三角洲城市的分類模型結(jié)果來(lái)看 ， 分類結(jié)果與實(shí)際情況大體一致 ， 結(jié)果較為理想 。 該方法的最大的優(yōu)點(diǎn)是避免了各層次權(quán)重帶來(lái)的主觀性 。 運(yùn)用 Kohonen網(wǎng)絡(luò)進(jìn)行城市分類 ， 存在很多需要改進(jìn)的地方 。 比如 ， 如果指標(biāo)體系的合理選取和完善 ， 加大學(xué)習(xí)樣本以及輸入模式 ， 就可以加大網(wǎng)絡(luò)的適應(yīng)性；另外網(wǎng)絡(luò)的學(xué)習(xí)算法也有待進(jìn)一步改進(jìn) ， Kohonen網(wǎng)絡(luò)是自適應(yīng)學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò) ， 其學(xué)習(xí)率隨著時(shí)間減少 ， 保證了全值的收斂性；但是這些學(xué)習(xí)率沒(méi)有考慮輸入模式和相應(yīng)的聚類中心的逼近程度 ， 如果引入代表這種逼近程度的模糊隸屬度 [1]來(lái)表示 Kohonen網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)的強(qiáng)度 ， 將監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)結(jié)合起來(lái) ， 分類的效果將更好 。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1