神經(jīng)網(wǎng)絡分類器(1)-資料下載頁
2025-05-26 18:03本頁面
【正文】 是：具有較大輸入的單元輸出為 1，其他單元輸出都為 0 網(wǎng)絡功能 實現(xiàn)無監(jiān)督學習，完成聚類的任務 1?jwXWxwn et Tji iijj?? ???? ???其他0)(1 kjn e tn e ty kjj網(wǎng)絡動作機制 學習時先用隨機數(shù)作為權值初始值，整個學習過程隨時將權值進行歸一化處理，即： ??ijiijijwww239。使各權向量滿足： 當樣本為歸一化樣本，學習可按如下算法進行： ijjij xn e tyw )( ??? ?討論： ? 網(wǎng)絡不可能收斂到修正量趨向于零的狀態(tài)，采用強制收斂方法，在學習過程中將步長參數(shù) η緩慢減小至零。 ? 學習結(jié)果受初始值和學習樣本順序影響很大，聚類的結(jié)果不一定理想，需要加入適當?shù)娜斯じ深A。例：先選擇少量典型性好的樣本作為權向量初始值。 帶反饋的神經(jīng)網(wǎng)絡示意圖 輸入：外部輸入信號和同一區(qū)域的反饋信號 自組織特征映射神經(jīng)網(wǎng)絡 輸入信號 反饋信號 輸出信號 概念 ? 依據(jù)大腦對信號處理的特點 ， 提出了一種神經(jīng)網(wǎng)絡模型 —— 自組織特征映射模型 ， 自組織特征映射模型是典型的自組織系統(tǒng) ， 因而也有人稱其為 “ 自組織模型 ” 。 ? 由輸入層和競爭層構成的兩層網(wǎng)絡 。 兩層之間的各神經(jīng)元實現(xiàn)雙向全連接 ， 網(wǎng)絡中沒有隱含層 。 ? 自組織的過程實際上就是一種無指導的學習 。 它通過自身訓練 ， 自動對輸入模式進行分類 。 自組織特征映射神經(jīng)網(wǎng)絡 自組織特征映射神經(jīng)網(wǎng)絡結(jié)構示意圖 交互作用函數(shù) ?????????RdRdRdjFe01)(??????RdRdjFe01)(或 網(wǎng)絡功能：形成認知地圖，進行聚類 學習方法和學習過程 12 ?jw? 用隨機數(shù)設定權值初始值，并始終進行權向量歸一化，使其滿足： ? 反復進行以下運算，直到達到預定的學習次數(shù)或每次學習中權值改變量小于某一閾值 ? 輸入一個樣本計算各輸出單元的強度 ? 找出主興奮單元 C，使 ??? i iijTjj xwXWn et)(m a x jjc n e tn e t ?)( jFy cj ?ijjji xn e tyw )( ??? ?? 確定各輸出單元興奮度 ? 計算各權值修正量 Δwij，修正權值，進行歸一化 討論： ? R的選擇，如： NLR /?L：輸出平面邊長 N：輸入向量維數(shù) ? 必要時根據(jù)學習次數(shù)更新學習步長和鄰域交互作用半徑 ? 輸入高維向量空間向二維平面的映射，映射的不唯一性 ? 學習結(jié)果與權值初始值和樣本順序有關 神經(jīng)網(wǎng)絡模式識別典型方法 多層感知器模型是模式識別中應用最多的的網(wǎng)絡模型 兩種拓撲結(jié)構： ACON: all classes one ，多輸出型 OCON: one class one ，單輸出型 ACON OCON 多輸出型應用典型方法 ACON應用最多，典型方法是： ? 網(wǎng)絡的每個輸入節(jié)點對應于樣本的一個特征 ? 輸出層單元采用“ c中取 1”編碼，每個輸出節(jié)點對應一個類，即輸出層單元數(shù) =模式類數(shù) ? 訓練樣本數(shù)據(jù)的期望輸出： [0, 0,…, 1,…, 0], 即其所屬類的相應輸出節(jié)點為 1，其他節(jié)點均為 0 ? 識別階段：未知樣本的類別判定為與輸出值最大的節(jié)點對應的類別 單輸出型應用典型方法： 每一類別建立一個網(wǎng)絡 ? 輸入：每個輸入節(jié)點對應樣本的一個特征 ? 輸出：輸出層節(jié)點只有一個 ? 訓練：輸入訓練樣本的類別是 i，則第 i個網(wǎng)絡的期望輸出設為 1，其余網(wǎng)絡輸出節(jié)點均為 0 ? 識別：輸出值最大的網(wǎng)絡對應的類別 ? 減少隱層節(jié)點，克服類別之間的耦合，各網(wǎng)絡的隱層節(jié)點數(shù)可以不同。 神經(jīng)網(wǎng)絡與模式識別 神經(jīng)網(wǎng)絡與統(tǒng)計模式識別在方法上具有一定的等價關系： ?單層感知器 vs. 線性分類器 ?多層感知器 vs. 非線性分類器 ?徑向基函數(shù)網(wǎng)絡 vs. Parzen窗密度估計分類器 ?競爭學習和側(cè)抑制
畢業(yè)設計相關推薦
鄂ICP備17016276號-1