kohonen神经网络课件

1、Kohonen神经网络 组长：陈永兴 组员：李文采 刘娇 陈爽第1页2kohonen神经网络竞争学习kohonen神经网络背景kohonen神经网络概念与原理kohonen神经网络应用第2页3背景在生物神经系统中，存在着一个侧抑制现象，即一个神经细胞兴奋以后，会对周围其它神经细胞产生抑制作用。这种抑制作用会使神经细胞之间出现竞争，其结果是一些获胜，而另一些则失败。表现形式是获胜神经细胞兴奋，失败神经细胞抑制。kohonen神经网络就是模拟上述生物神经系统功效人工神经网络。第3页4kohonen神经网络是一个无监督学习，含有自组织功效神经网络。网络经过本身训练，能自动对输入模式进行分类。自组织竞

2、争型神经网络结构及其学习规则与其它神经网络相比有自己特点。在网络结构上，它普通是由输入层和竞争层组成两层网络。两层之间各神经元实现双向连接，而且网络没有隐含层。有时竞争层各神经元之间还存在横向连接。第4页5在学习算法上，它模拟生物神经元之间兴奋、协调与抑制、竞争作用信息处理动力学原理来指导网络学习与工作，而不像大多数神经网络那样是以网络误差或能量函数作为算法准则。竞争型神经网络组成基本思想是网络竞争层各神经元竞争对输入模式响应机会，最终仅有一个神经元成为竞争胜者。这一获胜神经元则表示对输入模式分类。第5页6kohonen神经网络经典结构竞争层输入层kohonen概念与原理第6页7分类分类是在类

3、别知识等导师信号指导下，将待识别输入模式分配到各自模式类中去。聚类无导师指导分类称为聚类，聚类目标是将相同模式样本划归一类，而将不相同分离开。竞争学习概念第7页8 相同性度量欧式距离法两个模式向量欧式距离越小，两个向量越靠近，所以认为这两个模式越相同，当两个模式完全相同时其欧式距离为零。假如对同一类内各个模式向量间欧式距离作出要求，不允许超出某一最大值T，则最大欧式距离T就成为一个聚类判据，同类模式向量距离小于T，两类模式向量距离大于T。第8页9 相同性测量余弦法两个模式向量越靠近，其夹角越小，余弦越大。当两个模式向量完全相同时，其余弦夹角为1。假如对同一类内各个模式向量间夹角作出要求，不允许

4、超出某一最大夹角a，则最大夹角就成为一个聚类判据。同类模式向量夹角小于a，两类模式向量夹角大于a。余弦法适合模式向量长度相同和模式特征只与向量方向相关相同性测量。第9页101981年芬兰Helsink大学T.Kohonen教授提出一个自组织特征映射网，简称SOM网，又称Kohonen网。Kohonen认为：一个神经网络接收外界输入模式时，将会分为不一样对应区域，各区域对输入模式含有不一样响应特征，而且这个过程是自动完成。自组织特征映射正是依据这一看法提出来，其特点与人脑自组织特征相类似。kohonen神经网络第10页11(1)初始化 对输出层各权向量赋小随机数并进行归一化处理，得到 ，j=1,

5、2,m；建立初始优胜邻域Nj*(0)；学习率 赋初始值。(2)接收输入 从训练集中随机选取一个输入模式并进行归一化处理，得到 ，p1,2,P。(3)寻找获胜节点 计算 与 点积，j=1,2,m，从中选出点积最大获胜节点j*。Kohonen 学习算法（胜者全取）第11页12(4)定义优胜邻域Nj*(t) 以j*为中心确定t 时刻权值调整域，普通初始邻域Nj*(0)较大，训练过程中Nj*(t)随训练时间逐步收缩。第12页13(5)调整权值 对优胜邻域Nj*(t)内全部节点调整权值： i=1,2,n jNj*(t) 式中， 是训练时间t 和邻域内第j 个神经元与获胜经元 j* 之间拓扑距离N 函数，该函数普通有以下规律：(6)输出结果 获胜节点为1，其它节点为0；第13页14(7