Deep learning 如何为Kohonen'选择合适的网格数；是索姆吗？
我想知道如何选择Kohonen SOM中的网格数。另外，当网格数量增加时会发生什么情况？通常，当您增加模型参数的数量时，您可以提高模型适应更复杂问题的能力。对于高级官员，情况也是如此。但是，神经元仍然是以邻域关系连接的——因此这种效应不是线性的Deep learning 如何为Kohonen'选择合适的网格数；是索姆吗？,deep-learning,grid,som,Deep Learning,Grid,Som,我想知道如何选择Kohonen SOM中的网格数。另外，当网格数量增加时会发生什么情况？通常，当您增加模型参数的数量时，您可以提高模型适应更复杂问题的能力。对于高级官员，情况也是如此。但是，神经元仍然是以邻域关系连接的——因此这种效应不是线性的 作为实践指南，您可以查看Python包susi的文档，其中讨论了SOM的网格大小以及其他超参数（参考文献）：通常，当您增加模型参数的数量时，您可以提高模型适应更复杂问题的能力。对于高级官员，情况也是如此。但是，神经元仍然是以邻域关系连接的——因此这种效应
作为实践指南，您可以查看Python包susi的文档，其中讨论了SOM的网格大小以及其他超参数（参考文献）：通常，当您增加模型参数的数量时，您可以提高模型适应更复杂问题的能力。对于高级官员，情况也是如此。但是，神经元仍然是以邻域关系连接的——因此这种效应不是线性的 作为实践指南，您可以查看Python包susi的文档，其中讨论了SOM的网格大小以及其他超参数（参考文献）：