一种自适应停止的SOM神经网络及其应用
达到某一设定的值为条件，满足这个条件就退出训练，否则继续对网络进行训练，返回步骤⑵。1.3 SOM网络的改进在SOM的训练过程中，权值一开始是一系列的随机的小数，随着训练过程的进行，权值不停地改变，更加靠近每一个输出神经元的聚类中心，直到达到一个设定的训练次数或学习率衰减到一定的值。但设定的训练次数往往需要多次实验才能确定；而学习率最后衰减的阈值需要靠经验来确定，如果设定为0，会使网络陷入亚稳定状态[1]，设置合适的阈值需要适应不同的实际情况。故提出一种利用权值导数来判断何时该停止训练的方法。每个神经元都代表一个聚类中心，而在传统的聚类过程中，类中心是随着聚类的过程不断地靠近每一类数据中心，而在SOM神经网络中，聚类中心的表征形式又是各个输出神经元的权值向量[Wj1，Wj2，…，Wji]（j=1，2，…，M*N），所以定义每一次训练后权值的变化，如式⑸：来表示类中心的变化情况。其中其中Wn表示当前训练后的权值，Wn-1表示前一次训练后的权值，
<<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：