C# 如何在Accord.net SOM（Kohonen'；s）中从网络分配类别/标签

谁能告诉我如何从经过培训的网络中获取/分配集群类/标签

下面是一个代码示例，让您了解如何执行它：

Accord.Math.Random.Generator.Seed = 0;

int numberOfInputs = 3;
int hiddenNeurons = 25;

double[][] input =
{
     new double[] { -1, -1, -1 },
     new double[] { -1,  1, -1 },
     new double[] {  1, -1, -1 },
     new double[] {  1,  1, -1 },
     new double[] { -1, -1,  1 },
     new double[] { -1,  1,  1 },
     new double[] {  1, -1,  1 },
     new double[] {  1,  1,  1 },
     // ...
};

var network = new DistanceNetwork(numberOfInputs, hiddenNeurons);
var teacher = new SOMLearning(network);
double error = double.PositiveInfinity;

for (int i = 0; i < 1000; i++)
    error = teacher.RunEpoch(input);

// how can I know/assign class/label of each item in input array?

Accord.Math.Random.Generator.Seed=0；
int numberOfInputs=3；
int-hiddenNeurons=25；
双[]输入=
{
新的双[]{-1，-1，-1}，
新的双[]{-1，1，-1}，
新的双[]{1，-1，-1}，
新的双[]{1，1，-1}，
新的双[]{-1，-1,1}，
新的双[]{-1,1,1}，
新的双[]{1，-1，1}，
新的双[]{1,1,1}，
// ...
};
var网络=新的距离网络（输入数，hiddenNeurons）；
var教师=新学习（网络）；
双重错误=双重正不确定性；
对于（int i=0；i<1000；i++）
错误=教师.RunEpoch（输入）；
//如何知道/分配输入数组中每个项的类/标签？

雅阁样品可能会有进一步的帮助：

特别是本节：

for (int y = 0, i = 0; y < 100; y++)
{
    // for all pixels
    for (int x = 0; x < 100; x++, i++, ptr += 6)
    {
        Neuron neuron = layer.Neurons[i];

        // red
        ptr[2] = ptr[2 + 3] = ptr[2 + stride] = ptr[2 + 3 + stride] =
            (byte)Math.Max(0, Math.Min(255, neuron.Weights[0]));

        // green
        ptr[1] = ptr[1 + 3] = ptr[1 + stride] = ptr[1 + 3 + stride] =
            (byte)Math.Max(0, Math.Min(255, neuron.Weights[1]));

        // blue
        ptr[0] = ptr[0 + 3] = ptr[0 + stride] = ptr[0 + 3 + stride] =
            (byte)Math.Max(0, Math.Min(255, neuron.Weights[2]));
    }

    ptr += offset;
    ptr += stride;
}

for（int y=0，i=0；y<100；y++）
{
//对于所有像素
对于（int x=0；x<100；x++，i++，ptr++=6）
{
神经元=层神经元[i]；
//红色的
ptr[2]=ptr[2+3]=ptr[2+步幅]=ptr[2+3+步幅]=
（字节）Math.Max（0，Math.Min（255，neuron.Weights[0]）；
//绿色的
ptr[1]=ptr[1+3]=ptr[1+步幅]=ptr[1+3+步幅]=
（字节）Math.Max（0，Math.Min（255，neuron.Weights[1]）；
//蓝色的
ptr[0]=ptr[0+3]=ptr[0+步幅]=ptr[0+3+步幅]=
（字节）Math.Max（0，Math.Min（255，neuron.Weights[2]）；
}
ptr+=偏移量；
ptr+=步幅；
}

雅阁样品可能会有进一步的帮助：

特别是本节：

for (int y = 0, i = 0; y < 100; y++)
{
    // for all pixels
    for (int x = 0; x < 100; x++, i++, ptr += 6)
    {
        Neuron neuron = layer.Neurons[i];

        // red
        ptr[2] = ptr[2 + 3] = ptr[2 + stride] = ptr[2 + 3 + stride] =
            (byte)Math.Max(0, Math.Min(255, neuron.Weights[0]));

        // green
        ptr[1] = ptr[1 + 3] = ptr[1 + stride] = ptr[1 + 3 + stride] =
            (byte)Math.Max(0, Math.Min(255, neuron.Weights[1]));

        // blue
        ptr[0] = ptr[0 + 3] = ptr[0 + stride] = ptr[0 + 3 + stride] =
            (byte)Math.Max(0, Math.Min(255, neuron.Weights[2]));
    }

    ptr += offset;
    ptr += stride;
}

for（int y=0，i=0；y<100；y++）
{
//对于所有像素
对于（int x=0；x<100；x++，i++，ptr++=6）
{
神经元=层神经元[i]；
//红色的
ptr[2]=ptr[2+3]=ptr[2+步幅]=ptr[2+3+步幅]=
（字节）Math.Max（0，Math.Min（255，neuron.Weights[0]）；
//绿色的
ptr[1]=ptr[1+3]=ptr[1+步幅]=ptr[1+3+步幅]=
（字节）Math.Max（0，Math.Min（255，neuron.Weights[1]）；
//蓝色的
ptr[0]=ptr[0+3]=ptr[0+步幅]=ptr[0+3+步幅]=
（字节）Math.Max（0，Math.Min（255，neuron.Weights[2]）；
}
ptr+=偏移量；
ptr+=步幅；
}