第十章SOFM神经网络 口自组织竞争神经网络类型 √自适应共振理论(Adaptive Resonance Theory,ART)网络 √自组织特征映射(self-Organizing Map, SO)网络 对传(Counter Propagation,CP)网络 √ 协同神经网络(Synergetic Neural Network.SNN) 2006-12-27 北京科技大学自动化系付冬梅 2
2006-12-27 北京科技大学 自动化系 付冬梅 2 自组织竞争神经网络类型 ✓ 自适应共振理论(Adaptive Resonance Theory，ART)网络 ✓ 自组织特征映射(self-Organizing Map， SOM)网络 ✓ 对传(Counter Propagation，CP)网络 ✓ 协同神经网络(Synergetic Neural Network．SNN) 第十章 SOFM神经网络
第十章SOFM神经网络 ▣由芬兰学者Teuvo Kohonen于1981年提出。 I'm Teuvo Kohonen 口基本上为输入层和映射层的双层结构，映射层的 神经元互相连接，每个输出神经元连接至所有 输入神经元。 2006-12-27 北京科技大学自动化系付冬梅 3
2006-12-27 北京科技大学 自动化系 付冬梅 3 第十章 SOFM神经网络 由芬兰学者Teuvo Kohonen于1981年提出。 基本上为输入层和映射层的双层结构,映射层的 神经元互相连接，每个输出神经元连接至所有 输入神经元 。 I’m Teuvo Kohonen
第十章SOFM神经网络 神经网络系镜中的一个主要特点是它具言学司功能。通过 学习它可以提取一组数据中的重要特征或找出其同在规律和本 质属性（品分布特征，或按某种特征聚美），不断调整库身的 学司过程，通常把网格的这种功能称为自学司或自组织功能。 这种无放师盟督，能自动的向环境学习，异根锯学习所得到的 重要特征来记忆知识的网格镜称为自组织神经网辂。 自组钨特在映射(SOFM,Self-Organizing Feature Map) 是号兰学者Kohonen提出的一种神疫网辂模型，它模松了省乳 动物大脑皮质神经的侧柳制、自组织等特性，1984年K0 honen 将善兰语音精确地组织为因素图，1986年又将运动指令组积成 适动控制图，由于这些成功应用使SOFM引起世人的高意重视， 形成一美很有特色的无师训练神疫网洛模型。 2006-12-27 北京科技大学自动化系付冬梅
2006-12-27 北京科技大学 自动化系 付冬梅 4 神经网络系统中的一个主要特点是它具有学习功能。通过 学习它可以提取一组数据中的重要特征或找出其内在规律和本 质属性（如分布特征，或按某种特征聚类），不断调整本身的 学习过程，通常把网络的这种功能称为自学习或自组织功能。 这种无教师监督，能自动的向环境学习，并根据学习所得到的 重要特征来记忆知识的网络统称为自组织神经网络。 自组织特征映射（SOFM, Self-Organizing Feature Map） 是芬兰学者Kohonen提出的一种神经网络模型，它模拟了哺乳 动物大脑皮质神经的侧抑制、自组织等特性，1984年Kohonen 将芬兰语音精确地组织为因素图，1986年又将运动指令组织成 运动控制图，由于这些成功应用使SOFM引起世人的高度重视， 形成一类很有特色的无师训练神经网络模型。 第十章 SOFM神经网络
第十章SOFM神经网络 口SOFM网络的思想来源 口SOFM网络的结构模型 ■SOFM神经元的基本功能函数 口SOFM的基本学习算法 口仿真实例 口几点注意事项 2006-12-27 北京科技大学自动化系付冬梅 5
2006-12-27 北京科技大学 自动化系 付冬梅 5 SOFM网络的思想来源 SOFM网络的结构模型 SOFM神经元的基本功能函数 SOFM的基本学习算法 仿真实例 几点注意事项 第十章 SOFM神经网络
第十章SOFM神经网络 10.1SOFM网格的思想来源 自组积特征映射的思想来源有两个方面 之人脑的自组织性 人脑的头量量化 ■人脑的自组积性 尽管目前人们对脑细隐何组钨朱协调处理复来信息的过 程和机理还不十分情楚，但已有队下儿点共积： ()原皓信息此一句话、一个因形是多雅信号，阁形可看成一 个二雅点阵加上三原色额色等分量。脑皮层尽管有许多沟 回，但本质上是一个二雅年面的拓扑变形，脑皮层的每个 细胞可视作二雅平面上一个点。多雅信号传递到脑皮层的 过程可视作高雅空间信号到二雅空问信号的降雅映射，降 雅过程去禅了原：信号的次要特征，保留了其童要特征。 2006-12-27 北京科技大学自动化系付冬梅 6
2006-12-27 北京科技大学 自动化系 付冬梅 6 第十章 SOFM神经网络 10.1 SOFM网络的思想来源 自组织特征映射的思想来源有两个方面 人脑的自组织性 人脑的矢量量化 尽管目前人们对脑细胞如何组织来协调处理复杂信息的过 程和机理还不十分清楚，但已有以下几点共识： ◼人脑的自组织性 (1)原始信息如一句话、一个图形是多维信号，图形可看成一 个二维点阵加上三原色颜色等分量。脑皮层尽管有许多沟 回，但本质上是一个二维平面的拓扑变形，脑皮层的每个 细胞可视作二维平面上一个点。多维信号传递到脑皮层的 过程可视作高维空间信号到二维空问信号的降维映射，降 维过程去掉了原始信号的次要特征,保留了其主要特征