一种自适应停止的SOM神经网络及其应用
高峰通过占比等相关信息，而后经过PCA降维处理去掉不同维数据之间的相关性并剩下最终的六维数据，将这六维数据作为网络的输入数据。使用MATLAB神经网络工具箱[5]对SOM网络进行聚类时发现，对SOM网络的初始参数的确定有很多局限性，这些初始参数包括：网络权值和阈值、训练次数、训练样本的顺序、学习率等[6-7]，但目前暂时还没有找到一种有效的方法来解决这些初始参数的设定问题。本论文对网络的训练次数的设定方式进行一些改进。1 论述1.1 SOM网络的基本模型及原理SOM网络由输入层和输出层构成，输入层是一维的神经元，神经元个数由输入向量的维数i确定，表示网络的输入信号；输出层也是竞争层，一般是一维或二维的神经元组成的网络，其中每个神经元表示不同的输出模式。其连接方式如图1所示。对于每一个输出神经元j，它和每一个输入神经元通过一个权值连接，这个权值组成的向量如式⑴：其中i表示输入向量的维数，即输入层的神经元个数，j表示第j个输出神经元，输出层共包含M
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：