文档介绍：Kohonen神经网络组长:陈永兴组员:李文采刘娇陈爽23背景在生物神经系统中,存在着一种侧抑制现象,即一个神经细胞兴奋以后,会对周围其他神经细胞产生抑制作用。这种抑制作用会使神经细胞之间出现竞争,其结果是某些获胜,而另一些则失败。表现形式是获胜神经细胞兴奋,失败神经细胞抑制。kohonen神经网络就是模拟上述生物神经系统功能的人工神经网络。4kohonen神经网络是一种无监督学****具有自组织功能的神经网络。网络通过自身的训练,能自动对输入模式进行分类。自组织竞争型神经网络的结构及其学****规则与其他神经网络相比有自己的特点。在网络结构上,它一般是由输入层和竞争层构成的两层网络。两层之间各神经元实现双向连接,而且网络没有隐含层。有时竞争层各神经元之间还存在横向连接。5在学****算法上,它模拟生物神经元之间的兴奋、协调与抑制、竞争作用的信息处理的动力学原理来指导网络的学****与工作,而不像大多数神经网络那样是以网络的误差或能量函数作为算法的准则。竞争型神经网络构成的基本思想是网络的竞争层各神经元竞争对输入模式响应的机会,最后仅有一个神经元成为竞争的胜者。这一获胜神经元则表示对输入模式的分类。6kohonen神经网络的典型结构竞争层输入层kohonen概念与原理7分类——分类是在类别知识等导师信号的指导下,将待识别的输入模式分配到各自的模式类中去。聚类——无导师指导的分类称为聚类,聚类的目的是将相似的模式样本划归一类,而将不相似的分离开。竞争学****的概念8相似性度量_欧式距离法两个模式向量的欧式距离越小,两个向量越接近,因此认为这两个模式越相似,当两个模式完全相同时其欧式距离为零。如果对同一类内各个模式向量间的欧式距离作出规定,不允许超过某一最大值T,则最大欧式距离T就成为一种聚类判据,同类模式向量的距离小于T,两类模式向量的距离大于T。9相似性测量_余弦法两个模式向量越接近,其夹角越小,余弦越大。当两个模式向量完全相同时,其余弦夹角为1。如果对同一类内各个模式向量间的夹角作出规定,不允许超过某一最大夹角a,则最大夹角就成为一种聚类判据。同类模式向量的夹角小于a,两类模式向量的夹角大于a。余弦法适合模式向量长度相同和模式特征只与向量方向相关的相似性测量。,简称SOM网,又称Kohonen网。Kohonen认为:一个神经网络接受外界输入模式时,将会分为不同的对应区域,各区域对输入模式具有不同的响应特征,而且这个过程是自动完成的。自组织特征映射正是根据这一看法提出来的,其特点与人脑的自组织特性相类似。kohonen神经网络