网上有关“什么是Kohonen神经网络 ”话题很是火热，小编也是针对什么是Kohonen神经网络寻找了一些与之相关的一些信息进行分析 ，如果能碰巧解决你现在面临的问题 ，希望能够帮助到您。
Kohonen网络是自组织竞争型神经网络的一种，该网络为无监督学习网络 ，能够识别环境特征并自动聚类 。Kohonen神经网络是芬兰赫尔辛基大学教授Teuvo Kohonen提出的 ，该网络通过自组织特征映射调整网络权值，使神经网络收敛于一种表示形态，在这一形态中一个神经元只对某种输入模式特别匹配或特别敏感 。Kohonen网络的学习是无监督的自组织学习过程 ，神经元通过无监督竞争学习使不同的神经元对不同的输入模式敏感 ，从而特定的神经元在模式识别中可以充当某一输入模式的检测器。网络训练后神经元被划分为不同区域，各区域对输入模型具有不同的响应特征 。
Kohonen神经网络算法工作机理为：网络学习过程中 ，当样本输入网络时 ，竞争层上的神经元计算输入样本与竞争层神经元权值之间的欧几里德距离，距离最小的神经元为获胜神经元 。调整获胜神经元和相邻神经元权值 ，使获得神经元及周边权值靠近该输入样本。通过反复训练 ，最终各神经元的连接权值具有一定的分布，该分布把数据之间的相似性组织到代表各类的神经元上 ，使同类神经元具有相近的权系数 ，不同类的神经元权系数差别明显。需要注意的是，在学习的过程中 ，权值修改学习速率和神经元领域均在不断较少 ，从而使同类神经元逐渐集中 。
1 、监督式学习（Supervised learning），是一个机器学习中的方法，可以由训练资料中学到或建立一个模式（ learning model） ，并依此模式推测新的实例 。训练资料是由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析） ，或是预测一个分类标签（称作分类） 。
个监督式学习者的任务在观察完一些训练范例（输入和预期输出）后，去预测这个函数对任何可能出现的输入的值的输出 。要达到此目的 ，学习者必须以"合理"（见归纳偏向）的方式从现有的资料中一般化到非观察到的情况。在人类和动物感知中 ，则通常被称为概念学习（concept learning） 。
2 、无监督式学习(Unsupervised Learning )是人工智能网络的一种算法(algorithm)，其目的是去对原始资料进行分类 ，以便了解资料内部结构 。
有别于监督式学习网络 ，无监督式学习网络在学习时并不知道其分类结果是否正确，亦即没有受到监督式增强(告诉它何种学习是正确的)。其特点是仅对此种网络提供输入范例 ，而它会自动从这些范例中找出其潜在类别规则 。当学习完毕并经测试后 ，也可以将之应用到新的案例上 。
无监督学习里典型的例子就是聚类了。聚类的目的在于把相似的东西聚在一起，而我们并不关心这一类是什么 。因此 ，一个聚类算法通常只需要知道如何计算相似度就可以开始工作了 。
关于“什么是Kohonen神经网络 ”这个话题的介绍 ，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！
本文来自作者[sqyy]投稿，不代表乔德林立场，如若转载，请注明出处：https://www.qiaodelin.com/wiki/202507-8482.html
评论列表（4条）
我是乔德林的签约作者“sqyy”！
希望本篇文章《什么是Kohonen神经网络》能对你有所帮助！
本站[乔德林]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：网上有关“什么是Kohonen神经网络”话题很是火热，小编也是针对什么是Kohonen神经网络寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助...