人工神经网络/自组织映射

自组织映射

自组织映射 (SOM)，有时被称为 Kohonen SOM，以 其创造者 命名，用于无监督学习。SOM 模仿生物神经网络，在生物神经网络中，神经元组似乎会自组织成具有共同功能的特定区域。

神经元区域

SOM 网络的不同区域被训练成从输入集中检测不同的特征。初始网络权重要么随机设置，要么基于输入空间的特征向量。计算每个输入样本到每个神经元的权重向量的欧几里得距离，权重向量与输入最相似的那个神经元被宣布为最佳匹配单元 (BMU)。更新公式如下：

$w_{j}[n+1]=w_{j}[n]+\Theta [j,n]\alpha [n](x[n]-w_{j}[n])$

这里，w 是时间 n 的权重向量。α 是一个单调递减函数，它确保学习率随着时间的推移会下降。x 是输入向量，Θ[j, n] 是第 n 次迭代时 BMU 和神经元 j 之间距离的度量。从这个算法中可以看出，神经元权重向量改变的幅度基于与 BMU 的距离以及时间的推移。随着时间的推移降低改变的可能性有助于减少训练过程中的波动，并有助于确保网络收敛。