一种自适应停止的SOM神经网络及其应用
练不充分而使得到的结果正确率不高；若训练次数过多，又会造成训练过度而使结果不准确，且会浪费大量的时间。故训练次数确定过程很繁琐，不够简便，而且确定最佳训练次数时 花费的时间较多，针对这个问题本文提出了一种解决方法。1.2 SOM神经网络的训练过程传统SOM神经网络的训练过程主要包括以下几步骤[6]：⑴ 初始化网络：首先确定输出神经元的数目，二维的输出矩阵可以表示为M*N，往往要比预测的聚类数目多，初始化权值向量如式⑵：⑵ 确定获胜神经元：对于每一个训练样本x，使用最小欧式距离准则来寻找离样本向量最近的神经元c，作为获胜神经元，并把它添加到该获胜神经元的类型VC中。决策条件如式⑶：⑶ 更新权值：对优胜邻域内所有节点按照式⑷来调整权值。其中学习率η（t，N）是训练时间t和邻域内第j个神经元与获胜神经元之间的拓扑距离N的函数，且η随着t和N的增加减小。⑷ 检查结束：SOM网络的训练是以学习率η（t）是否减小到0或某个特定的值，或者训练次数t是否
<<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：