定义独训:一种采用无监来自督竞争学习机制的人工神经网络,通过自组织地调整网络参数与财权赵结检结构去发现输入数据的内在规律。
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医种角找世饭味非八今院外部刺激的某些物理特征。例来自如,在听觉系统中,神建谁汽移阻酒督刻经细胞和纤维是按照其最敏感的频率分布而排列的。360百科为此,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,它实际上是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载印的养燃除升圆川居地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几扬工的概率分布相接近充女侵。
自组织神经网络最大的优点是自适应权值,极大方便寻找最优解,但同时,在初始条件较差时,易陷黑政殖钟扩爱入局部极小值。
英文:self-organizedlearning
通过自动寻找样本中的内在规律和本质属性,自组织、自适应地改变网络参数与结构。
自组织网络的自组织功能是通却台乱过竞争学习(competitivelearning)实现的。
孩尽权料且位围双华较 完成自组织特征映射的算法较多。下面给出一种常用的自组织算法:
(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)块决师。
(4)选择节点j,它企阿降行龙蛋满足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)