Mpi 在神经网络中表示节点？

如何表示二维神经网络中的节点

在自组织神经网络（Kohonen映射）中，节点的权重如何与二维网络中的坐标相关。地图是否基于该位置的位置坐标或权重进行自组织

我正在尝试使用MPI实现下面所示的算法

分布式定位算法： 输入：

N

，节点数

G=（G_ij）

，最近邻知识输出：节点位置

p_i=（x_i，y_j），i，j=1，…，N

// Initialization of the node locations
   for all nodes i do
     p_i = (x_i,y_j) = random();
   end for

// Main Loop
   for t = 1 to N_iter do
     p = (x,y) = random()
     for all network nodes i, update its location
       for j=1 to N
         x_i (t+1) = x_i (t) +α(t) δ_ij [x-x_i(t)] 
         y_i (t+1) = y_i (t) +α(t) δ_ij [y-y_i(t)]
         for k=1 to N
           for m=1 to N
             tmp += g_km exp{ ||p-p_k||2 } exp{ ||p-p_m||2 }
           end for
         end for
         δ_ij = g_ij exp{ ||p-p_i||2 } exp{ ||p-p_j||2 } / tmp
        end for
      end for
    end for

---

在您的代码中，每个神经元节点由成对（Xi，Yj）表示。我看到您使用随机值初始化数据结构。每个节点至少有一个权重和一对坐标。坐标给出了它的位置；而重量给出了它的值

值得一提的是，您可以使用方法

getNodeAt（x，y）

创建自己的数据结构。您可以使用2D数组或链接列表，正如我已经提到的

我不确定以后如何对节点进行分组（有许多类型的神经网络），我在代码中看到了逐层分布。有点像广度优先搜索中的级别

---

在整个网络中传播权重的方法是开始计算位于输入/顶层/起点级别的一个节点的值，然后跳到相邻节点（即下一层/级别）。第6-8行有计算结果。您在输出节点/底层停止。

在代码中，每个神经元节点由成对（Xi，Yj）表示。我看到您使用随机值初始化数据结构。每个节点至少有一个权重和一对坐标。坐标给出了它的位置；而重量给出了它的值

值得一提的是，您可以使用方法

getNodeAt（x，y）

创建自己的数据结构。您可以使用2D数组或链接列表，正如我已经提到的

我不确定以后如何对节点进行分组（有许多类型的神经网络），我在代码中看到了逐层分布。有点像广度优先搜索中的级别

---

在整个网络中传播权重的方法是开始计算位于输入/顶层/起点级别的一个节点的值，然后跳到相邻节点（即下一层/级别）。第6-8行有计算结果。您在输出节点/底层停止。

无法理解未格式化的代码，请尝试使用二维链表（或二维数组）。您必须将更改从一个神经元传播到下一个神经元，因此在这种情况下，数组或列表是合适的。或者你可以使用列表制作自己的网格。如果我错了，请纠正我。给定的节点是二维坐标中的坐标还是坐标处的权重。我对符号有点迷茫：（（给出我的大部分问题的答案。无法理解未格式化的代码，但请尝试二维链接列表（或二维数组）。您必须将更改从1个神经元传播到下一个神经元，因此在这种情况下，数组或列表是合适的。或者您可以使用列表创建自己的网格。如果im错误，请更正。给定的节点由2d坐标或坐标处的权重表示。im有点丢失了符号：(（回答了我的大部分问题。非常感谢@Adrian.。我真的很感谢你的帮助。我正准备实现自组织神经网络（Kohonen map）的概念。）这对我来说是最令人困惑的事情。在步骤6-8中，我应该更新那个节点的权重或坐标吗？

x_I（t+1）=x_I（t）+α（t）δ（t）_ij[x-x_I（t）]y_I（t+1）=y_I（t）+α（t）δ_ij[y-y_I（t）]

@Naga你更新节点的权重（本次迭代中的节点权重=上一次迭代中的节点权重和一些计算。请参阅此链接以获得一个非常好的示例：非常感谢@Adrian..我非常感谢您的帮助。我正在尝试实现自组织神经网络（Kohonen映射）的概念）这对我来说是最令人困惑的事情。在步骤6-8中，我应该更新那个节点的权重或坐标吗？

x_I（t+1）=x_I（t）+α（t）δ（t）_ij[x-x_I（t）]y_I（t+1）=y_I（t）+α（t）δ_ij[y-y_I（t）]

@Naga你更新节点的权重（本次迭代中的节点权重=上一次迭代和一些计算中的节点权重。有关一个非常好的示例，请参阅此链接：