自組織神經(jīng)網(wǎng)絡ppt課件-展示頁
2025-06-06 01:23本頁面
【正文】 最強的抑制關(guān)系是競爭獲勝者“惟我獨興”，不允許其它神經(jīng)元興奮，這種抑制方式也稱為勝者為王。 實驗表明，人眼的視網(wǎng)膜、脊髓和海馬中存一種側(cè)抑制現(xiàn)象，即，當一個神經(jīng)細胞興奮后，會對其周圍的神經(jīng)細胞產(chǎn)生抑制作用。 iiTXXXX??c os 側(cè)抑制與競爭 自組織網(wǎng)絡（競爭型神經(jīng)網(wǎng)絡）構(gòu)成的基本思想是網(wǎng)絡的競爭層各神經(jīng)元競爭對輸入模式響應的機會，最后僅有一個神經(jīng)元成為競爭的“勝者”，這一獲勝神經(jīng)元則表示對輸入模式的識別。 若同類內(nèi)各模式向量間的夾角規(guī)定不大于 Ψ T，則 Ψ成為一種聚類判據(jù)。 （ 2）余弦法 計算兩個模式向量夾角的余弦： 兩個模式向量越接近，其類角越小，余弦越大。 競爭學習的概念與原理 （ 1）歐式距離法 X和 Xi 兩向量歐式距離 : )()( iTii XXXXXX ???? 兩個模式向量的歐式距離越小，兩個模式越相似，當兩個模式完全相同時，其歐式距離為零。 相似性測量 神經(jīng)網(wǎng)絡的輸入模式用向量表示，比較不同模式的相似性可轉(zhuǎn)化為比較兩個向量的距離，因而可用模式向量間的距離作為聚類判據(jù)。 競爭學習是自組織網(wǎng)絡中最常用的一種學習策略，首先說明與之相關(guān)的幾個基本概念。 競爭層負責對該模式進行“分析比較”，找出規(guī)律以正確分類。 最簡單的網(wǎng)絡結(jié)構(gòu)具有一個輸入層和一個競爭層。 如：自組織特征映射（ Self Organizing Feature Map）網(wǎng)絡 — SOM）； 對偶（向）傳播（ Counter Propagation Network)網(wǎng)絡 — CPN)； 自適應共振理論（ Adaptive Resonance Theory)網(wǎng)絡 — ART等。這種學習方式大大拓寬神經(jīng)網(wǎng)絡在模式識別與分類方面的應用。對于人的這種學習方式，基于有導師學習策略的神經(jīng)網(wǎng)絡是無能為力的。自組織神經(jīng)網(wǎng)絡 主講人：李丹（ 20222420315） 小組成員：李晨（ 20222420314） 李丁（ 20222420316） 自組織神經(jīng)網(wǎng)絡 采用有導師學習規(guī)則的神經(jīng)網(wǎng)絡是以網(wǎng)絡的誤差或能量函數(shù)作為算法準則。而在很多情況下，人在認知過程中沒有預知的正確模式，人獲得大量知識常常是靠“無師自通”，即通過對客觀事物的反復觀察，分析與比較，自行揭示其內(nèi)在規(guī)律，并對具有共同特征的事物進行正確歸類。 自組織神經(jīng)網(wǎng)絡的無導師學習方式更類似于人類大腦中生物神經(jīng)網(wǎng)絡的學習，其最重要特點是通過自動尋找樣本中的內(nèi)在規(guī)律和本質(zhì)屬性，自
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1