神经网络SOM----训练简单识图
2017-02-08 15:23
736 查看
例:在对一个神经网络训练1000次后得到如下的权向量图
![](https://oscdn.geek-share.com/Uploads/Images/Content/202005/07/60a64cce6c7276b7d5b3adece2cd7a34)
%测试样本输入
t = [0.9512 1.0000 0.9458 -0.4215 0.4218 0.9511 0.9645 0.8941]';
r = sim(net,t);
%变换函数,将单值向量转换为下标向量
rr = vec2ind(r)
%查看网络拓扑学结构
plotsomtop(net)
title('SOM网络拓扑结构')
![](https://oscdn.geek-share.com/Uploads/Images/Content/202005/07/32092e80f958e2edf5632220846ccdc1)
由上图可知,竞争层神经元有6*6=36个
%查看邻近神经元直接的距离情况
plotsomnd(net)
title('邻近神经元直接的距离')
![](https://oscdn.geek-share.com/Uploads/Images/Content/202005/07/1deaf6918e3f3865c0fb0a7a50f264f9)
上图中,蓝色代表神经元,红色线代表神经元直接的连接。
每个菱形中的颜色表示神经元之间距离的远近:从黄色------->黑色,颜色越深说明神经元间的距离越远。
%查看每个神经元的分类情况
plotsomhits(net,p)
title('每个神经元的分类')
![](https://oscdn.geek-share.com/Uploads/Images/Content/202005/07/07f32c6d1f01d589c2f4de92fbd9d317)
上图中的蓝色神经元表示竞争型的神经元。
%测试样本输入
t = [0.9512 1.0000 0.9458 -0.4215 0.4218 0.9511 0.9645 0.8941]';
r = sim(net,t);
%变换函数,将单值向量转换为下标向量
rr = vec2ind(r)
%查看网络拓扑学结构
plotsomtop(net)
title('SOM网络拓扑结构')
由上图可知,竞争层神经元有6*6=36个
%查看邻近神经元直接的距离情况
plotsomnd(net)
title('邻近神经元直接的距离')
上图中,蓝色代表神经元,红色线代表神经元直接的连接。
每个菱形中的颜色表示神经元之间距离的远近:从黄色------->黑色,颜色越深说明神经元间的距离越远。
%查看每个神经元的分类情况
plotsomhits(net,p)
title('每个神经元的分类')
上图中的蓝色神经元表示竞争型的神经元。
相关文章推荐
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试(MNIST For ML Beginners)
- tensorflow入门之训练简单的神经网络方法
- 利用TensorFlow训练简单的二分类神经网络模型
- 训练神经网络的简单例子(TensorFlow平台下Python实现)
- tensorflow学习笔记之简单的神经网络训练和测试
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- tensorflow 学习笔记(四) - mnist实例--用简单的神经网络来训练和测试
- Tensorflow入门练习(简单神经网络的训练过程)
- 利用TensorFlow训练简单的二分类神经网络模型的方法
- tensorflow入门之训练简单的神经网络
- (尤其是训练集验证集的生成)深度学习 tensorflow 实战(2) 实现简单神经网络以及随机梯度下降算法S.G.D
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- [CLPR] 用于加速训练神经网络的二阶方法
- 简单易学的机器学习算法——神经网络之BP神经网络
- 不同的神经网络训练函数training function的比较
- 简单的神经网络模型java版本
- RBF神经网络的matlab简单实现
- 从数据库读取数据训练神经网络
- SOM神经网络小记
- 新版Matlab中神经网络训练函数Newff的使用方法