self-organizing-maps - IT屋-程序员软件开发技术分享社区

如何在自组织映射中重新关联到原始数据点

我正在使用R Kohonen包来实现SOM。我发现将自组织映射产生的代码向量与原始数据点关联起来很麻烦。我试着在训练过程中加入没有重量的标签，但结果令人费解。培训过程完成后，有没有办法引用每个节点的原始数据点？推荐答案您将从获取中心值和缩放值 x= attr(som_model$data,"scaled:center") y= attr(som_model$data ..

发布时间：2022-07-01 20:16:15 r classification cluster-analysis self-organizing-maps 其他开发

Kohonen自组织图:确定神经元的数量和网格大小

我有一个大型数据集，我正在尝试使用SOM进行聚类分析.数据集是 HUGE (约数十亿条记录)，我不确定神经元的数量和SOM网格的大小应该是多少.任何涉及某些有关估计神经元数量和网格大小的材料的指针都将不胜感激. 谢谢！解决方案我对此没有参考，但我建议您从数据集中每个预期的类使用大约10个SOM神经元开始.例如，如果您认为您的数据集包含8个单独的成分，请查看具有9x9神经元的地图. ..

发布时间：2021-05-31 18:34:25 machine-learning neural-network self-organizing-maps AI人工智能

混合SOM(带有MLP)

有人可以提供一些信息，说明如何将自组织图与多层感知器正确结合吗? 我最近阅读了一些与常规MLP相比的有关此技术的文章，并且该方法在预测任务中的表现更好.因此，我想通过对输入数据进行聚类并将结果传递到MLP后端，将SOM用作减少维度的前端. 我目前实现它的想法是用几个训练集训练SOM并确定集群.之后，我使用与SOM群集一样多的输入单元来初始化MLP.下一步将是使用SOM的输出(哪个值?. ..

发布时间：2020-05-17 19:28:54 neural-network artificial-intelligence self-organizing-maps AI人工智能

Python中的六角形自组织图

我正在寻找六角形自组织地图在Python上. 就绪模块.如果存在的话. 绘制六角形细胞的方式与六角形单元格作为数组或其他元素一起使用的算法关于: 自组织图(SOM)或自组织特征图(SOFM)是一种人工神经网络，使用无监督学习对其进行训练，以生成低维(通常为二维) 解决方案我没有关于第1点的答案，但是有关于第2点和第3点的一些提示.但是一个具有6个邻居的图块的概念空间 ..

发布时间：2020-05-10 20:43:11 python module artificial-intelligence neural-network self-organizing-maps AI人工智能

我还在从事一个需要对时间序列数据进行聚类的项目.我正在使用在MATLAB中可用于集群目的的SOM工具箱，并遇到以下问题: “我们如何确定哪些数据属于哪个集群?" SOM从数据集中随机选择数据样本，并为每个数据样本找到BMU.据我所知，在SOM算法中，数据样本标识符不被视为数据的维数.如果是这种情况，那么我们如何跟踪样本?我认为som_bmus不能解决此问题.您知道如何在不更改SOM工具箱中包含的任 ..

发布时间：2020-05-06 14:37:00 cluster-analysis matlab self-organizing-maps 其他开发

MATLAB中的自组织映射(SOM)问题

我有一个包含数据的文本文件. 我的文本文件: young, myopic, no, reduced, no young, myopic, no, normal, soft young, myopic, yes, reduced, no young, myopic, yes, normal, hard young, hyperopia, no, reduced, no young, hyper ..

发布时间：2020-05-06 14:07:43 matlab machine-learning som self-organizing-maps AI人工智能

关于使用Simulink训练自组织图(SOM)中数据点移动的可视化

我已经在MATLAB中实现了自组织映射(SOM)算法.假设每个数据点都在二维空间中表示.问题是我想在训练阶段中可视化每个数据点的移动，即我想看看在每个固定持续时间内算法进行时，这些点如何移动并最终形成集群.我相信可以通过MATLAB中的Simulation来完成，但是我不知道如何将我的MATLAB代码用于可视化? 解决方案我开发了一个代码示例，使用所有可能的二维数据投影来可视化具有多个维 ..

发布时间：2020-05-04 10:28:50 matlab machine-learning neural-network self-organizing-maps AI人工智能

(批量)SOM(自组织图，又名"Kohonen地图")的收敛标准?

我希望在Batch SOM收敛时停止执行. 我可以使用什么误差函数来确定收敛性? 解决方案在谈论SOM的收敛时，对于给定的映射大小(nxm)，您想知道算法是否已经进行了足够的迭代以确保映射是“稳定的".宽松地说，这意味着如果对地图进行多次重新训练，是否会将地图的新输入(观察)置于相同的神经元/密码本向量上?每次都接受培训，只要集群仍以稳定的方式排列，就可以了. 为帮助回答是否已运行 ..

发布时间：2020-05-04 09:58:35 algorithm machine-learning som self-organizing-maps convergence AI人工智能

在SOM中对数据和/或权重向量进行归一化是否正确?

所以，我被(应该)很简单的东西所困扰: 我已经为简单的“播放"二维数据集编写了SOM.数据如下: 您可以自己找出3个群集. 现在，有两件事使我感到困惑.首先是我拥有的教程在SOM对其进行处理之前将数据标准化.这意味着，它将每个数据向量标准化为长度为1.(欧几里得范数).如果我这样做，那么数据将如下所示: (这是因为所有数据都已投影到单位圆上). 所以，我的问题如下: ..

发布时间：2020-05-04 09:38:01 machine-learning neural-network normalization som self-organizing-maps AI人工智能

如何制作U矩阵?

为了可视化自组织映射?更具体地说，假设我有一个3x3节点的输出网格(已经训练过)，如何从中构造一个U矩阵?您可以例如假设神经元(和输入)的维数为4. 我在网上找到了几种资源，但是它们不清楚或矛盾.例如，原始纸充满了错字. 解决方案 U矩阵是输入数据维度空间中神经元之间距离的直观表示.即，您使用相邻神经元的训练向量来计算它们之间的距离.如果您输入的维数为4，则经过训练的映射中的每个神经 ..

发布时间：2020-05-04 09:26:05 machine-learning neural-network som self-organizing-maps AI人工智能

SOM(自组织图)和K-Means有什么区别?

stackoverflow中只有一个与此相关的问题，更多的是哪个更好.我只是真的不明白区别.我的意思是，它们都使用向量，它们被随机分配给聚类，它们都使用不同聚类的质心来确定获胜的输出节点.我的意思是，区别到底在哪里? 解决方案在K均值中，节点(质心)彼此独立.获胜的节点有机会适应每个自我，并且只有那样.在SOM中，将节点(质心)放置在网格上，因此每个节点都被视为具有一些邻居，这些邻居与节 ..

发布时间：2020-04-26 10:21:32 artificial-intelligence k-means som self-organizing-maps AI人工智能

是一个神经元的自组织映射的位置取决于它的重量？

我已经看了很多的SOM理论的例子，但有一件事是不是真的清楚我说：是节点的位置取决于它们的权重？例如，将具有较大的重量节点是在地图上的一侧，而用一个较小的重量节点将进一步远离在地图上？解决方案没有。在SOM（又名Kohonen网络地图）的权重函数应用到你的数据的不是在“神经元”。权值期间所使用的图谱构建的（训练），即，在每次迭代和为每个迭代内的每个格子的细胞来计算。换句话说，对于每次迭代 ..

发布时间：2015-11-30 20:25:36 algorithm machine-learning self-organizing-maps AI人工智能

self-organizing-maps相关内容