第十章SOFM神经网络 (2)信号空间”中具言相近特征的信号被映射到脑皮层中相近 区域时，大致保留了信号在R”中的橇库分市特征及拓扑结 构特征，即大脑言自动怕美能力，将信号物以类聚。 (3)以响应最猴的一个神疫元为中心，形成一个区域，大数 来说，中心强度大，离中心越运越弱。 (4)神疫细胞之间有侧抑制，存在竟事。这种竞事是通过反情 实规的，对自己拾予最大正友债，对邻居给予一定正反债， 对远处的细隐则给予负反情即抑制。 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 7 第十章 SOFM神经网络 (2)信号空间 中具有相近特征的信号被映射到脑皮层中相近 区域时，大致保留了信号在 中的概率分布特征及拓扑结 构特征，即大脑有自动归类能力，将信号物以类聚。 (3) 以响应最强的一个神经元为中心，形成一个区域，大致 来说，中心强度大，离中心越远越弱。 (4)神经细胞之间有侧抑制，存在竞争。这种竞争是通过反馈 实现的，对自己给予最大正反馈，对邻居给予一定正反馈， 对远处的细胞则给予负反馈即抑制。 n R n R
第十章SOFM神经网络 图10.1是反馈强度的示意阁，年面上细脆按离中心神经元的 距离分成三个区域：⑦近距离的侧激励区，②褙远一些有一个柳 制作用的环形区域：⑤环外是一个弱激励区，在初步分析时可忽 略。图102用黑点大小表示侧激励区各神经细脆兴奋的强弱。 反馈强度 ① 与)的朗向距离 图10.1侧柳制作用示意圈 图10.2气泡示意图 2006-12-27 北京科技大学自动化系付冬梅 8
2006-12-27 北京科技大学 自动化系 付冬梅 8 图10.1是反馈强度的示意图，平面上细胞按离中心神经元j的 距离分成三个区域：①近距离的侧激励区；②稍远一些有一个抑 制作用的环形区域；③环外是一个弱激励区，在初步分析时可忽 略。图10.2用黑点大小表示侧激励区各神经细胞兴奋的强弱。 第十章 SOFM神经网络 图10.1 侧抑制作用示意圈 图10.2 气泡示意图
第十章SOFM神经网络 ■人脑的头量量化 头量量化是20世纪80年代提出的一种数裾在缩方佐， 广花用于语音及因德数锯的传输，其基本思想是将输入空 间划分成多个不相受的超多面体，每个超多面体可称为一 个区域，每个区域中运一个代表点，称为码本向量，这样 凡同一区域的点怕用码本向量来表示，数据可大大压缩。 何根据信号的特点来划分区域，此何由代表点重构信号 (语青、图象)而不数与原信号失真等问题，本裸堂不计划 祥述，感兴趣的同学可以参考有关文献。 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 9 第十章 SOFM神经网络 矢量量化是20世纪80年代提出的一种数据压缩方法， 广泛用于语音及图像数据的传输，其基本思想是将输入空 间划分成多个不相交的超多面体，每个超多面体可称为一 个区域，每个区域中选一个代表点，称为码本向量，这样 凡同一区域的点均用码本向量来表示，数据可大大压缩。 如何根据信号的特点来划分区域，如何由代表点重构信号 (语音、图象)而不致与原信号失真等问题，本课堂不计划 详述，感兴趣的同学可以参考有关文献。 ◼人脑的矢量量化
第十章SOFM神经网络 10.2SOFM网辂的猪构模型 最初的自组积特征映射是一个单层网辂（见图10.3）。 各神经元处在一个平面上，一般用矩形或六边形等排列 方式。输入端处于平面之外的下侧，每个输入端口与所 有神经元均有连接，称为前向权，它们可以迭代调整。在 神经元平面上侧，实际上每个神经元还有一个输出端，不 再画出，平面上各单元采用全连接，称为侧向权，以构成 抑制引起竞争。为了图形的清晰，图3未画出侧向权。侧 向柳制机制是通过邻域和学习因子实现的，具体表现见 后面的学习算法。 2006-12-27 北京科技大学自动化系付冬梅 10
2006-12-27 北京科技大学 自动化系 付冬梅 10 第十章 SOFM神经网络 10.2 SOFM网络的结构模型 最初的自组织特征映射是一个单层网络(见图10.3)。 各神经元处在一个平面上，一般用矩形或六边形等排列 方式。输入端处于平面之外的下侧，每个输入端口与所 有神经元均有连接,称为前向权,它们可以迭代调整。在 神经元平面上侧，实际上每个神经元还有一个输出端,不 再画出,平面上各单元采用全连接，称为侧向权，以构成 抑制引起竞争。为了图形的清晰,图3未画出侧向权。侧 向抑制机制是通过邻域和学习因子实现的，具体表现见 后面的学习算法
第十章SOFM神经网络 10.2SOFM网格的结构模型 竞争层 输入层 SOFM神经网络结构 2006-12-27 北京科技大学自动化系付冬梅 11
2006-12-27 北京科技大学 自动化系 付冬梅 11 竞争层 输入层 SOFM神经网络结构 第十章 SOFM神经网络 10.2 SOFM网络的结构模型