?/p>
4
?/p>
SOM
自组织特征映射神经网?/p>
生物学研究表明,
在人脑的感觉通道上,
神经元的组织原理是有序排列的?/p>
当外界的?/p>
定时空信息输入时?/p>
大脑皮层的特定区域兴奋,
而且类似的外界信息在对应的区域是连续?/p>
像的?/p>
生物视网膜中有许多特定的细胞对特定的图形比较敏感?/p>
当视网膜中有若干个接收单
元同时受特定模式刺激时,
就使大脑皮层中的特定神经元开始兴奋,
输入模式接近?/p>
与之?/p>
应的兴奋神经元也接近?/p>
在听觉通道上,
神经元在结构排列上与频率的关系十分密切,
对于
某个频率?/p>
特定的神经元具有最大的响应?/p>
位置相邻的神经元具有相近的频率特征,
而远?/p>
的神经元具有的频率特征差别也较大。大脑皮层中神经元的这种响应特点不是先天安排?/p>
的,而是通过后天的学习自组织形成的?/p>
据此芬兰
Helsinki
大学?/p>
Kohonen
T.
教授提出了一种自组织特征映射网络?/p>
Self-
organizing
feature
Map
?/p>
SOM
?/p>
,又?/p>
Kohonen
网络
[1-5]
?/p>
Kohonen
认为,一个神经网络接?/p>
外界输入模式时,
将会分为不同的对应区域,
各区域对输入模式有不同的响应特征?/p>
而这?/p>
过程是自动完成的?/p>
SOM
网络正是根据这一看法提出的,
其特点与人脑的自组织特性相类似?/p>
4.1
竞争学习算法基础
[6]
4.1.1
自组织神经网络结?/p>
1
.定?/p>
自组织神经网络是无导师学习网络?/p>
它通过自动寻找样本中的内在规律和本质属性,
?/p>
组织、自适应地改变网络参数与结构?/p>
2
.结?/p>
层次型结构,具有竞争层。典型结构:输入层+竞争层。如?/p>
4-1
所示?/p>
竞争?
输入?
?
?
?/p>
4-1
自组织神经网络结?/p>
输入层:接受外界信息,将输入模式向竞争层传递,起“观察”作用?/p>