自组织特征映射神经网络讲解课件.ppt

《自组织特征映射神经网络讲解课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、自组织特征映射神经网络（SOM网络）自组织特征映射神经网络的基本思想在完成某一特定功能的网络区域中，不同部位的若干神经元对含有不同特征的外界刺激同时产生响应。某一个外界信息所引起的并不是对一个神经细胞的兴奋性刺激，而是对某一个细胞为中心的一个区域神经细胞的兴奋刺激，并且这种刺激的强度不是均一的，有强弱之分。大脑神经的刺激趋势与强度呈墨西哥帽的形状：（如图）自组织特征映射神经网络的基本思想早在70年代，一些学者就曾根据生理学规律研究并提出了各种模拟这些规律的人工神经网络和算法。1981年，芬兰学者Ko

2、honen提出了一个比较完整的、分类性能较好的自组织特征映射（Self-OrganizingFeatureMap)神经网络（简称SOM网络）的方案。有时该网络也称Kohonen特征映射网络。SOM网络的基本结构SOM网络的基本结构如图所示：SOM网络根据其学习规则，对输入模式进行自动分类，即在无教师示教的情况下，通过对输入模式的反复学习，捕捉住各个输入模式中所含的模式特征，并对其进行自组织，在竞争层将分类结果表现出来。与其他网络的区别：它不是一个神经元或者一个神经元向量来反映分类结果，而是以若干神经

3、元同时反映分类结果。SOM网络的特点一旦由于某种原因，某个神经元受到损害（在实际应用中，表现为连接权溢出、计算误差超限、硬件故障等）或者完全失效，剩下的神经元仍可以保证所对应的记忆信息不会消失。网络对学习模式的记忆不是一次性完成的，而是通过反复学习，将输入模式的统计特征“溶解”到各个连接权上的。所以这种网络具有较强的抗干扰能力。SOM网络的学习、工作规则1、初始化将网络的连接权{Wij}赋予[0，1]区间内的随机值，确定学习率η(t)的初始值η(0)（0<η(0)<1），确定领域Ng(t)的初始值N

4、g(0)。2、给网络提供输入模式Ak=(a1,a2,…,an)。3、计算连接权向量Wj=(wj1,wj2,…wjn)与输入模式Ak=(a1,a2,…,an)之间的距离，即计算Euclid距离：4、找出最小距离dg，确定获胜神经元g。SOM网络的学习、工作规则5、进行连接权调整。将从输入神经元到Ng(t)范围内的所有竞争层神经元之间的连接权按下式进行修正。6、将下一个输入学习模式提供给网络的输入层，返回步骤3，直至p个学习模式全部提供一遍。7、更新学习率η(t)及领域Ng(t)η(t)=η0（1-t/

5、T)8、令t=t+1,返回步骤2，直至t=T为止。SOM网络的主要学习手段寻找与输入模式Ak最接近的连接权向量Wij。将连接权向量Wij进一步朝与输入模式Ak接近的方向调整。除调整连接权向量Wij外，还调整领域内的各个连接权向量Wij，j属于Ng(t)。并且随着学习次数的增加，领域Ng(t)逐渐缩小。连接权调整网络的学习过程分为两个阶段：粗学习和粗调整阶段指向各个随机方向的连接全向量朝着输入模式Ak的方向进行初步调整，并大致确定各个输入模式所对应的在竞争层上的映射位置。细学习与细调整阶段网络的学习集

6、中在对较小范围内的连接权进行调整，而且连接权的调整趋于精细。一般地，第二阶段所进行的学习次数是第一阶段的100~1000倍。连接权Wij的初始化连接权向量Wij的归一化处理两个向量之间的距离主要取决于两个向量的方向，而与它们的模值大小无关。因此在计算两向量之间的距离dg之前，将连接权向量Wij按下式进行归一化处理：特别是当把输入模式A也进行归一化处理之后，可以直接利用Ak与Wij的内积值的大小，寻找连接权向量Wij，即按的大小确定连接权向量Wij。其中dj的值大表示距离短，反之亦然。连接权Wij的初

7、始化连接权{Wij}初始值的确定方法1、将所有连接权向量Wij赋予相同的初值，这样可以减少输入模式Ak在最初阶段对Wij的挑选余地，增加每一个连接权向量Wij被选中的机会，尽可能快地校正Wij与Ak之间的方向偏差。方法2、当把连接权{Wij}赋予[0，1]区间内随机初值之后，在网络学习的初级阶段对提供给网络的学习模式作一些修正。连接权{Wij}初始值的确定方法2的具体方法是：给原学习模式Ak的每个元素加上一个很小的随机值，形成输入向量A’k。由于A’k比较容易找到与其方向大致一致的连接权向量Wij,

8、所以可以加快网络最初阶段的学习速度。随着学习的进行，逐渐滤掉A’k中的随机值，使A’k复原为Ak，而这时Ak与Wij的方向已基本趋向一致，可以进入较精细的调整阶段。连接权{Wij}初始值的确定方法3、给每一个竞争层神经元增设输出阈值Q,以d+Q作为判断两向量距离的依据。在学习过程中，监视每个神经元被选中的次数。当发现某个神经元经常被选中时，暂时提高该神经元的阈值，进而增加其他神经元被选中的机会，提高连接权向量Wij的利用率，以此来促进学习的快速进行。领域的作用与更新领