| 词条 | 自组织神经网络 |
| 释义 | § 自组织神经网络概述 多层感知器的学和分类是已知一定的先验知识为条件的，即网络权值的调整 是在监督情况下进行的。而在实际应用中，有时并不能提供所需的先验知识，这 就需要网络具有能够自学习的能力。Kohonen提出的自组织特征映射图就是这种 具有自学习功能的神经网络。这种网络是基于生理学和脑科学研究成果提出的。 脑神经科学研究表明：传递感觉的神经元排列是按某种规律有序进行的，这种排 列往往反映所感受的外部刺激的某些物理特征。例如，在听觉系统中，神经细胞 和纤维是按照其最敏感的频率分布而排列的。为此，Kohonen认为，神经网络在 接受外界输入时，将会分成不同的区域，不同的区域对不同的模式具有不同的响 应特征，即不同的神经元以最佳方式响应不同性质的信号激励，从而形成一种拓 扑意义上的有序图。这种有序图也称之为特征图，它实际上时一种非线性映射关 系，它将信号空间中各模式的拓扑关系几乎不变地反映在这张图上，即各神经元 的输出响应上。由于这种映射是通过无监督的自适应过程完成的，所以也称它为 自组织特征图。 在这种网络中，输出节点与其邻域其它节点广泛相连，并相互激励。输入节 点和输出节点之间通过强度Wij(t)相连接。通过某种规则，不断地调整Wij(t)， 使得在稳定时，每一邻域的所有节点对某种输入具有类似的输出，并且这聚类的 概率分布与输入模式的概率分布相接近。 § 常用的自组织算法 (1)权值初始化并选定邻域的大小； (2)输入模式； (3)计算空间距离dj(dj是所有输入节点与连接强度之差的平方和）。 (4)选择节点j，它满足min(dj)； (5)改变j，和其邻域节点的连接强度； (6)回(2)，直到满足dj(i) |
| 随便看 |
百科全书收录594082条中文百科知识，基本涵盖了大多数领域的百科知识，是一部内容开放、自由的电子版百科全书。