文章 "神经网络诀窍"

新评论
 

新文章 神经网络诀窍已发布：

本文面向"多层"蛋糕烘焙初学者。

因此，根据维基百科，Kohonen 神经网络是一类神经网络，其主要元素为 Kohonen 层。 Kohonen 层包含自适应线性加法器（“线性形式神经元”）。 通常，Kohonen 层的输出信号的处理依据是“赢家通吃”规则：最大的信号变为 1，其他信号统统变为 0。

现在让我们举个例子来讨论此概念。 为了能够看得见，将对二维输入向量给出所有计算值。 图 1 中，输入向量以彩色显示。 Kohonen 层（像任何其他层一样）的各个神经元只是计算输入内容的总和，将其乘以其权值。 实际上，Kohonen 层的所有权值都是此神经元的向量坐标。

因此，各个 Kohonen 神经元的输出是两个向量的点积。 从几何学中我们了解到，如果向量之间的角度趋于 0（角度余弦趋于 1），点积将达到最大值。因此，最大值将是最接近于输入向量的 Kohonen 层神经元的最大值。

图 1 赢家是向量最接近输入信号的神经元。

根据定义，现在我们应该找到所有神经元中的最大输出值，向其输出赋值 1，向所有其他神经元赋值 0。 Kohonen 层将在输入向量所在空间区域“回复”我们。

Kohonen 权向量的调整

如上所述，层训练的目的是对输入向量进行精确的空间分类。 这意味着各个神经元必须对其获胜的特定区域负责。 获胜神经元与输入神经元之间的偏差必须小于其他神经元的偏差。 为了达到这一目的，获胜神经元“拐入”了输入向量侧。
图 2 显示两个神经元（黑色神经元）针对两个输入向量（彩色的向量）的划分。

作者：o_O

新评论