一种自适应停止的SOM神经网络及其应用
ΔW是一个i*j维的向量。其中i是输入神经元的个数，j是输出神经元的个数M*N。权值变化量ΔW的一范数如式⑹：一范数即为列模，这里符合权值的定义，每一列代表一个聚类中心，ΔW的一范数就是变化最大的类中心的变化量。最终的目的即判断在训练次数为何值时权值W收敛。采用函数值的下降量充分小[8]为收敛准则，即最大的类中心变化值‖ΔW‖1小于某一给定值ε时，即：来判断收敛。ε为事先给定的收敛条件。在网络的训练过程中，学习率仍采用SOM网络经典的函数，即指数函数，这里所用的是：2 实验为了评估训练次数自适应的SOM改进算法对网络性能的影响[10]，本文对改进算法与传统算法进行了对比分析。采用UCI数据集对数据进行测试，分别采用了八个数据集，包括Wine、Breast_Cancer、Iris、Zoo、Car_Evaluation、Abalone、bupa、segment数据集的基本信息和对应的输出网络模型设置见表1，并对照MATLAB中传统的SOM网络[5]进行仿真结果如表2所示，其中在MATLAB中默认的训练次数为200次。经过测试可以看到，改进
<<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：