自组织特征映射神经网络-2| 学习笔记

简介: 快速学习自组织特征映射神经网络-2。

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。

image.png

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

image.png

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

image.png

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

image.png

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:

image.png

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

image.png

相关文章
|
1月前
|
Ubuntu 网络安全 图形学
Ubuntu学习笔记(二):ubuntu20.04解决右上角网络图标激活失败或者消失,无法连接有线问题。
在Ubuntu 20.04系统中解决网络图标消失和无法连接有线网络问题的方法,其中第三种方法通过检查并确保Windows防火墙中相关服务开启后成功恢复了网络连接。
490 0
Ubuntu学习笔记(二):ubuntu20.04解决右上角网络图标激活失败或者消失,无法连接有线问题。
|
1月前
|
存储 缓存 网络协议
|
4月前
|
编解码 Go 文件存储
【YOLOv8改进 - 特征融合NECK】 DAMO-YOLO之RepGFPN :实时目标检测的创新型特征金字塔网络
【YOLOv8改进 - 特征融合NECK】 DAMO-YOLO之RepGFPN :实时目标检测的创新型特征金字塔网络
|
26天前
|
机器学习/深度学习 计算机视觉 网络架构
【YOLO11改进 - C3k2融合】C3k2融合YOLO-MS的MSBlock : 分层特征融合策略,轻量化网络结构
【YOLO11改进 - C3k2融合】C3k2融合YOLO-MS的MSBlock : 分层特征融合策略,轻量化网络结构
|
1月前
|
网络协议 网络安全 网络架构
|
1月前
|
机器学习/深度学习 数据可视化 Linux
Seaborn可视化学习笔记(一):可视化神经网络权重分布情况
这篇文章是关于如何使用Seaborn库来可视化神经网络权重分布的教程,包括函数信息、测试代码和实际应用示例。
41 0
|
4月前
|
机器学习/深度学习 自然语言处理
像生物网络一样生长,具备结构可塑性的自组织神经网络来了
【7月更文挑战第24天】Sebastian Risi团队发布的arXiv论文探讨了一种模仿生物神经网络生长与适应特性的新型神经网络。LNDP利用结构可塑性和经验依赖学习,能根据活动与奖励动态调整连接,展现自我组织能力。通过基于图变换器的机制,LNDP支持突触动态增删,预先通过可学习随机过程驱动网络发育。实验在Cartpole等任务中验证了LNDP的有效性,尤其在需快速适应的场景下。然而,LNDP在复杂环境下的可扩展性及训练优化仍面临挑战,且其在大规模网络和图像分类等领域的应用尚待探索
88 20
|
3月前
|
存储 SQL 安全
网络安全的守护者:从漏洞到加密技术,提升个人与组织的安全意识
在数字时代的浪潮中,网络安全成为保护信息资产的关键盾牌。本文深入探讨了网络安全的薄弱环节—漏洞,并解析了如何通过加密技术加固这道防线。同时,文章强调了培养安全意识的重要性,指出这是预防网络攻击的第一道门槛。我们将从个人用户到大型组织的角度出发,提供一系列实用的知识分享,旨在增强网络防御能力,构建一个更加安全的网络环境。
|
3月前
|
机器学习/深度学习 自然语言处理 并行计算
【深度学习+面经】Transformer 网络学习笔记
Transformer模型的核心概念、优缺点以及在多个领域的应用,并提供了针对Transformer架构的面试问题及答案。
163 2
|
3月前
|
存储 监控 安全
确保大型组织网络安全的策略与方法
【8月更文挑战第24天】
94 0

热门文章

最新文章

下一篇
无影云桌面