




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、SOM與側(cè)向相互作用,北京師范大學 系統(tǒng)科學系 陳家偉 2010.7.23,提綱,人工神經(jīng)網(wǎng)絡介紹 SOM自組織映射 SOM與神經(jīng)系統(tǒng) 側(cè)向相互作用,人工神經(jīng)網(wǎng)絡介紹(ANN),人工神經(jīng)網(wǎng)絡發(fā)展歷史,第一階段(興起) 1943年,W.S.Mcculloch和W.Pitts 提出了M-P神經(jīng)元模型; 1949年,D.O.Hebb提出突觸聯(lián)系可變的假設; 1957 年,Rosenblatt提出了著名的感知機模型; 1960年,B.Windrow和E.Hoff提出了自適應線性單元。 第二階段(低谷) 1969年,M.Minsky和S.Papert出版Perceptron一書; 1972年,T.Koh
2、onen 提出了自組織映射理論; 1976年,S.A.Grossberg提出自適應共振理論(ART); 1982年,K. Fukushima提出了認知機模型。 第三階段(熱潮) 1982年,J.J.Hopfield提出Hopfield網(wǎng)絡; 1984年,Hinton等人提出了Boltzmann機網(wǎng)絡模型; 1986年,D.E.Rumelhart和J.LMcclelland提出了誤差反向傳播算法,成為至今為止影響很大的一種網(wǎng)絡學習方法。 第四階段(平穩(wěn)發(fā)展),BNN與ANN,神經(jīng)元模型,權(quán)重變化,經(jīng)典的ANN模型,感知機模型 Perceptron,反向傳播算法 Backpropagation,B
3、P算法,Self-organizing maps,SOM,Hopfield 網(wǎng)絡,SOM自組織映射,模型結(jié)構(gòu),輸入層 n個神經(jīng)元 輸出層 m個神經(jīng)元排成一維或二維形式空間形式; 神經(jīng)元之間全連接。 權(quán)重矩陣 全連接,wij是m*n維矩陣 核心機制 競爭:Winner take all; 合作:lateral interaction,側(cè)向相互作用,訓練過程,連接權(quán)值初始化,一般隨機設定 對網(wǎng)絡輸入模式: 計算輸入 xk 與全部輸出結(jié)點權(quán)向量的距離: 具有最小距離的輸出結(jié)點獲勝 : 調(diào)整獲勝節(jié)點一節(jié)獲勝節(jié)點鄰域內(nèi)的權(quán)重值: 輸入新的樣本,繼續(xù)訓練。,學習效率和鄰域大小,學習效率 隨時間減小。隨著訓
4、練過程的進行,權(quán)值的調(diào)整幅度越來越小。 鄰域大小 也隨著時間而收縮,當t足夠大時,只訓練獲勝結(jié)點本身。 訓練過程分為兩個階段: 排序階段:形成權(quán)值向量的拓撲排序; 收斂階段:提供輸入空間的準確統(tǒng)計量。,SOM的本質(zhì)保范映射,SOM實質(zhì)上是從任意維離散或連續(xù)空間V 到一維或二維離散空間A的一種保范映射。,SOM的性質(zhì):輸入空間的近似,對于V中的向量v,首先根據(jù)特征映射 確定在輸出空間A中的最佳匹配單元 S,S 的權(quán)重向量Ws可視為S投影到輸入空間的坐標。通過不斷調(diào)整的權(quán)重矩陣,可以使得輸出空間A近似的表示輸入空間V。,SOM的性質(zhì):拓撲排序,通過SOM算法計算的特征映射 是拓撲有序的,意味著網(wǎng)絡
5、中神經(jīng)元的空間位置對應于輸入模式的特定區(qū)域或特征。 演示 輸入和輸出都是一維的情況下,可以證明系統(tǒng)收斂到排序的狀態(tài)。,J. A. Flanagan, Self-organization in the one-dimensional SOM with a decreasing neighborhood. Neural Networks, 2001, 14(10):1405-1417.,SOM的性質(zhì):密度匹配,特征映射反映輸入分布在統(tǒng)計上的變化:在輸入空間上X中樣本以高概率抽取的區(qū)域映射到輸出空間A中的更大區(qū)域,反之依然。 演示,SOM的性質(zhì):特征選擇,在具有非線性分布的空間中給定數(shù)據(jù),SOM能夠
6、為逼近固有分布選擇一組最好的特征。 演示,SOM的應用,數(shù)據(jù)壓縮 降維 聚類 向量量化 模式分類 ,SOM與神經(jīng)系統(tǒng),對初級視皮層朝向敏感性的模擬,視覺初級皮層朝向敏感性,英文單詞聚類,漢字的聚類,ModelAcquisition of lexicon,漢字獲得的SOM模型,軀體感覺皮層,感覺皮層,漢字認知的模式,行為實驗 初級學習者; 中級學習者; 母語。 知覺學習模型 Hebb學習法 側(cè)向相互作用,單個漢字學習,初始狀態(tài),訓練結(jié)果,左右結(jié)構(gòu)的漢字訓練,連接受損時的情形,側(cè)向抑制,什么是側(cè)向抑制,銳化,視覺:更容易從背景中分出對象,尤其在看物體的邊角和輪廓時會提高視敏度。 色覺:紅和綠,黃和藍的成對拮抗效應; 在聽覺系統(tǒng)中,耳蝸神經(jīng)纖維的側(cè)抑制可以加強對音高的辨認。 在皮膚上,側(cè)抑制有助于觸點的定位。,人眼對對
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 托兒所服務的危機管理和風險控制考核試卷
- 光纜生產(chǎn)自動化與智能化技術(shù)考核試卷
- 樓房商用租賃合同范本
- 首付購車合同范本
- 軸承成品采購合同范本
- 水電承包勞務合同范本
- 酒店客房服務標準及流程制度
- 靜脈輸液的操作流程及操作規(guī)范
- 電商網(wǎng)站運營維護服務協(xié)議
- 共享經(jīng)濟平臺技術(shù)開發(fā)合作協(xié)議
- 第七講+漢字字音
- 新零件的成熟保障MLA
- 【基于杜邦分析法的企業(yè)盈利能力研究國內(nèi)外文獻綜述4000字】
- 初中語文七下-上下句默寫
- 《董存瑞舍身炸碉堡》PPT課件新
- 新川教版信息技術(shù)六年級下冊全冊教案
- 第20章補充芯片粘接技術(shù)
- 旅行社運營實務電子課件 5.1 旅行社電子商務概念
- 《計算機與網(wǎng)絡技術(shù)基礎》
- 手機號碼段歸屬地數(shù)據(jù)庫(2016年3月)
- 《登快閣》課件完整版
評論
0/150
提交評論