第 4 章 SOM 自组织特征映射神经网络
生物学研究表明,在人脑的感觉通道上,神经元的组织原理是有序排列的。当外界的特
定时空信息输入时,大脑皮层的特定区域兴奋,而且类似的外界信息在对应的区域是连续映
像的。生物视网膜中有许多特定的细胞对特定的图形比较敏感,当视网膜中有若干个接收单
元同时受特定模式刺激时,就使大脑皮层中的特定神经元开始兴奋,输入模式接近,与之对
应的兴奋神经元也接近;在听觉通道上,神经元在结构排列上与频率的关系十分密切,对于
某个频率,特定的神经元具有最大的响应,位置相邻的神经元具有相近的频率特征,而远离
的神经元具有的频率特征差别也较大。大脑皮层中神经元的这种响应特点不是先天安排好
的,而是通过后天的学习自组织形成的。
据 此 芬 兰 Helsinki 大 学 的 Kohonen T. 教 授 提 出 了 一 种 自 组 织 特 征 映 射 网 络
[1-5]
(Self-organizing feature Map,SOM),又称 Kohonen 网络 。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,各区域对输入模式有不同的响应特征,
而这个过程是自动完成的。SOM 网络正是根据这一看法提出的,其特点与人脑的自组织特性
相类似。
4.1 竞争学习算法基础
[6]
4.1.1 自组织神经网络结构
1.定义
自组织神经网络是无导师学习网络。它通过自动寻找样本中的内在规律和本质属性,自
组织、自适应地改变网络参数与结构。
2.结构
层次型结构,具有竞争层。典型结构:输入层+竞争层。如图4-1 所示。
…
竞争层
输入层
…
图 4-1 自组织神经网络结构