什么是Kohonen神经网络？

Question

什么是Kohonen神经网络

Answer 1

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。

Answer 2

Kohonen SOFM 是一种前馈式无监督学习 网络,它由两层 即输入层和输出层组成。
输入层又称匹配层,计算输入模式向量 与权向量之间的距离,即匹配程度;输 出层又称竞争层,各神元以匹配程度为依据进行竞争,确定匹配程度大(距离小)的神经元获胜。获胜的神经元及其领域内的神经元权向量朝与模式 向量更靠近方 向更新,经过多次反复的这种竞争与更新,最终神经元就会学会模式向量,并 以权向量形式保存下来,从而实现对模式向量的聚类、识别与拓扑不变性映射等。这一过程就是自组织学习(映射)。
可见Kohonen SOFM自组织映射学习 映射包括两部分:
最佳匹配神经元的选择和权向量的更新。