人工神經網路/自組織對映

自組織對映

自組織對映 (SOM)，有時被稱為 Kohonen SOM，以 其創造者 命名，用於無監督學習。SOM 模仿生物神經網路，在生物神經網路中，神經元組似乎會自組織成具有共同功能的特定區域。

神經元區域

SOM 網路的不同區域被訓練成從輸入集中檢測不同的特徵。初始網路權重要麼隨機設定，要麼基於輸入空間的特徵向量。計算每個輸入樣本到每個神經元的權重向量的歐幾里得距離，權重向量與輸入最相似的那個神經元被宣佈為最佳匹配單元 (BMU)。更新公式如下：

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

這裡，w 是時間 n 的權重向量。α 是一個單調遞減函式，它確保學習率隨著時間的推移會下降。x 是輸入向量，Θ[j, n] 是第 n 次迭代時 BMU 和神經元 j 之間距離的度量。從這個演算法中可以看出，神經元權重向量改變的幅度基於與 BMU 的距離以及時間的推移。隨著時間的推移降低改變的可能性有助於減少訓練過程中的波動，並有助於確保網路收斂。