开发者学堂课程【机器学习算法 :自组织特征映射神经网络-2】学习笔记,与课程紧密联系,让用户快速学习知识。
课程地址:https://developer.aliyun.com/learning/course/535/detail/7246
自组织特征映射神经网络-2
内容介绍
一、Kohonen 算法步骤
二、Kohonen 算法结果
一、Kohonen 算法步骤
已知一些动物属性,使用 Kohonen 网络对其进行聚类。
整理数据:将16种动物通过16个输入特征来表示,第一种将第一个特征设为1,其余为0,第二种将第二特征设为1,其余为0,依次类推,数据变为如下16行29个属性的数据
设计网络结构:输入为29个节点,输出到一个10*10的二维平面上
初始化参数:输入为29个节点,输出到一个10*10的二维平面上
权向量初始化:权重向量为一个29*10*10的数组 W ,对其赋予一系列的0-1之间的随机数
权向量归一化:将向量数组 w 归一化
建立初始邻域:将初始邻域距离设置为2,即距离获胜神经元欧氏距离<=2的神经元均划在邻域内,邻域随着训练次数的增加而逐渐减小
学习率:初始值设为 n ( t )=0.3\t,随着训练次数增加,学习率按照 n = n * e - N 衰减, N 距离获胜神经元的距离
得到获胜神经元及邻域:将输入数据逐一输入,和权重数组相乘,映射到10*10的输出节点上,值最大的即为获胜者。以第一条数据为例,输入后,和当前权重数组相乘,得到一个10*10的输出,映射到输出节点如下:
调整权值:将获胜神经元邻域内输出节点对应的权重数组按公式 Wi ( t +1)= Wij ( t )+ n ( t , N )[ x - Wij ( t )]进行调整
已知:即获胜神经元邻域对应的下标
当前领域对应的权重值
学习率衰减,可由约定公式求得
第 p 条输入的值
是否满足结束条件:学习率衰减到一个小于阈值的值,或者训练次数达到约定的值本例对16条记录的数据集,进行了1000次的训练。
二、kohonen 算法结果