SOM, 即Self- Organizing Mapping( 自组织映射网络) , 或称为Self- Organizing Feature Mapping( 自组织特征映射网络) , 它是一种无指导训练的神经网络, 自组织的过程实际上就是一种无指导的学习。它通过自身训练, 自动对输入模式进行聚类。它的拓扑结构图。最早是由芬兰赫尔辛基理工大学Kohen于1981年提出的。它模拟人脑中处于不同区域的
Mops的M>=2,MaOPs的M>=31.摘要与双目标优化问题和三目标优化问题相比，目标数大于3个的多目标优化问题无疑更具挑战性。 目前，基于分解的进化算法在处理MAOPs方面表现出了很有前途的性能。然而，这些算法都需要设计权重向量，这对算法的性能有很大的影响。特别是当问题前面的Pareto不完全时，这些算法不能用传统的权值设计方法获得一组均匀分布的解。在文献中，众所周知，自组织映射
转载
2024-03-08 17:48:42
60阅读
文章目录1. SOM 简介2. SOM 生物学基础3. K-means3.1 K-means 原理3.2 聚类数量K的确定3.3 随机初始化陷阱4. SOM 图解5. SOM 学习过程6. SOM 应用 几种无监督学习算法及应用：算法应用Self-Organizing Map ，SOMFeature DetectionDeep Boltzmann MachinesRecommendation S
转载
2024-01-11 23:31:04
612阅读
目录1. 引言与背景2. SOM定理3. 算法原理4. 算法实现5. 优缺点分析优点：缺点：6. 案例应用7. 对比与其他算法8. 结论与展望1. 引言与背景自组织映射（Self-Organizing Map，简称SOM）是一种基于神经网络的人工智能模型，由芬兰学者Teuvo Kohonen于1982年提出。该算法以其独特的自组织特性，在数据可视化、特征降维、模式识别等领域展现出卓越的应用价值。S
这周上班，写了一个500多行的小脚本，跟精准广告投放有关，从线上的一些数据库中提取必要的数据，经过一些逻辑判断生成些新的数据，加一起放到自己这边的数据库里过程中也是复制粘贴一路闪电带火花地无脑弄出很多sql语句，写完后觉得这代码要是改起来太蛋疼了，所以就想到了java里的hibernate做的类与表之间的ORM映射下面总结一下心得：① 在连接数据库的时候，设置cursorclass为MySQLdb
原文地址：Self Organizing Maps作者：shiqj1980 the ebook: http://davis.wpi.edu/~matt/courses/soms/ using som in excel:http://www.geocities.com/adotsaha/NN/SOMinExcel.html 人工神经网络技术在模式识别方面有着独特的优势，神经网络能够进行非线性数据
转载
2024-01-29 08:50:26
35阅读
概述SOM是芬兰教授Teuvo Kohonen提出的一种神经网络算法，它提供一种将高维数据在低维空间进行表示的方法(通常是一维或二维)。缩减向量维度的过程，叫做向量量化(vector quantisation)。此外，SOM网络能保留原有数据的拓扑关系。一个用来直观感受SOM网络规则的例子，是将3维...
转载
2015-12-19 14:47:00
326阅读
2评论
什么是自组织映射？一个特别有趣的无监督系统是基于竞争性学习，其中输出神经元之间竞争激活，结果是在任意时间只有一个神经元被激活。这个激活的神经元被称为胜者神经元（winner-takes-all neuron）。这种竞争可以通过在神经元之间具有横向抑制连接（负反馈路径）来实现。其结果是神经元被迫对自身进行重新组合，这样的网络我们称之为自组织映射（Self Organizing Map，SOM）。拓扑
转载
2024-01-05 11:59:06
108阅读
上一篇介绍了一些自组织神经网络的基本概念，第一部分，这一篇讲下SOM的概念和原理，是本文的第二部分。1、SOM背景1981年芬兰Helsink大学的T.Kohonen教授提出一种自组织特征映射网，简称SOM网，又称Kohonen网。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，各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。自组织特征映射正是根据这一看法
转载
2023-09-08 10:21:37
50阅读
# 自组织特征与 Python：探索复杂系统中的无序与秩序
在科学界，自组织是一种重要的现象，指的是系统在没有外部控制的情况下，自发地形成有序结构或模式。自组织现象可在自然界、生态系统、经济系统甚至人类社会中观察到。本篇文章将简要介绍自组织特征，并通过Python代码示例进行深入探讨。
## 自组织的基本特征
自组织系统通常具有以下特征：
1. **无中心控制**：系统中的各个部分（个体）
原创
2024-09-04 04:27:53
25阅读
自组织神经网络又称为自组织竞争神经网络，特别适合用于解决模式分类和识别方面的应用问题。该网络模型属于前向神经网络模型，采用无监督学习算法，其工作的基本思想是让竞争层的各个神经元通过竞争与输入模式进行匹配，最后仅有一个神经元成为竞争的胜利者，这个获胜神经元的输出就代表对输入模式的分类。 常用的自组织竞争神经网络有自适应共振理论（Adaptive Resonance Theory，ART）神经网络、自
转载
2023-11-29 16:27:50
78阅读
引子人们往往相信，最好的团队通常是由最好的个人组成的。公司是这段话坚定的践行者，他们致力于选择更优秀的个人，并相信随着个人平均能力的提升能够带来组织绩效的提升。这种认识是对的吗？ 正文“自组织”在管理创新、组织转型、敏捷实施中成为了出现频率越来越高的词，然而，绝大多数人并未真正理解自组织。他们的理解来自于字面含义，所谓自组织就是自我管理，自组织团队就是能够自我管理的一群人。本
推荐
原创
2014-07-17 23:13:32
3457阅读
Minisom 之前做过一个对minisom的第三方开源库的介绍。 对相应的代码添加了注释： 导入各种库吧 # 导入库 from sklearn.model_selection import train_test_split from sklearn.metrics import classific ...
转载
2021-09-07 20:42:00
668阅读
2评论
# 如何实现 Python 自组织图（Self-Organizing Map）
## 1. 引言
自组织图（Self-Organizing Map，SOM）是一种无监督学习算法，通常用于数据降维、特征提取和可视化。本文将详细指导你如何使用 Python 实现一个基本的自组织图。首先，我们将介绍整个实现的流程，之后逐步深入到每个步骤中的具体实现，包括代码示例、注释和详细说明。
## 2. 流程
第四章 自组织神经网络（1）自组织神经网络的典型结构 （2）自组织学习(self-organized learning) ： 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。 自组织网络的自组织功能是通过竞争学习（competitive learning）实现的。4.1竞争学习的概念与原理4.1.1基本概念1.分类和聚类（1）分类——分类是在类别知识等导师信号的指导下，
转载
2023-10-30 23:34:32
171阅读
自组织竞争神经网络一、概述自组织竞争神经网络是一种无监督的学习方法。与之前不同的是，前几节讲述的神经网络都是有标签，并且更新所有权值，但是他们并没有考虑到人体神经元的侧抑制现象，也就是在很多情况下，某一个神经元刺激仅能激活很少一部分神经元而不是所有神经元，这就体现了一种竞争的思想。竞争神经网络每次只更新一个被激活的权值并且没有标签去告诉他应该怎么做，这更像是一种聚类方法。二、网络模型自组织竞争神经
转载
2023-12-07 21:16:42
57阅读
聚类分析 | MATLAB实现基于SOM自组织特征映射聚类可视化
原创
2024-03-11 10:44:28
250阅读
自组织网络(Ad Hoc)是一种移动通信和计算机网络相结合的网络，是移动计算机网络的一种，用户终端可以在网内随意移动而保持通信。作为一种多跳的临时性自治系统，在军事、民用、商用等许多重要领域都具有独特优势，随着移动技术的不断发展和人们日益增长的自由通信需求，Ad Hoc网络会受到更多的关注，得到更快速的发展和普及。Ad Hoc基础知识及信息整理如下：自组织网络(Ad Hoc)（一）概述
转载
2024-05-10 12:56:30
30阅读
前面两篇介绍了SOM的基本概念和算法，第一部分，第二部分，本篇具体展开一下应用中的一些trick设定。SOM设计细节输出层设计
输出层神经元数量设定和训练集样本的类别数相关，但是实际中我们往往不能清除地知道有多少类。如果神经元节点数少于类别数，则不足以区分全部模式，训练的结果势必将相近的模式类合并为一类；相反，如果神经元节点数多于类别数，则有可能分的过细，或者是出现“死节点”，即在训练过程中，某
转载
2023-12-27 20:53:27
47阅读
1981年芬兰 Helsink 大学的 T·Kohonen 教授提出一种自组织特征映射网 （Self-Organizing Feature Map ， SOFM ）， 又称 Kohonen...
转载
2015-08-14 20:53:00
851阅读
2评论
