Neural network 自组织地图理解_Neural Network_Unsupervised Learning_Som_Self Organizing Maps

Neural network 自组织地图理解

neural-network

Neural network 自组织地图理解,neural-network,unsupervised-learning,som,self-organizing-maps,Neural Network,Unsupervised Learning,Som,Self Organizing Maps,我在这里创建了一个自组织的地图，并创建了一个Som_pak-3.1 如果我有三种不同类型的元素，它们是不同的。为什么元素不在地图的不同部分？为什么“A”、“B”和“C”在很多情况下都在同一个六边形上？为什么“B”和“C”在一个六边形中从不单独存在提前谢谢我觉得这是SOM的正常结果。无监督SOM算法不知道元素。使用距离度量，神经元学习向量，然后将元素作为标签放置在最佳匹配神经元两个元素出现在同一节点上的一个可能原因是，它们的每个特征值相同。否则，每个特征的值都不同，但根据距离度量，这些值似

我在这里创建了一个自组织的地图，并创建了一个Som_pak-3.1

如果我有三种不同类型的元素，它们是不同的。为什么元素不在地图的不同部分？为什么“A”、“B”和“C”在很多情况下都在同一个六边形上？为什么“B”和“C”在一个六边形中从不单独存在

提前谢谢

我觉得这是SOM的正常结果。无监督SOM算法不知道元素。使用距离度量，神经元学习向量，然后将元素作为标签放置在最佳匹配神经元

两个元素出现在同一节点上的一个可能原因是，它们的每个特征值相同。否则，每个特征的值都不同，但根据距离度量，这些值似乎仍然相似

可以通过增加地图大小来提高空间分辨率。这可能允许类是可分离的。然而，权衡的结果是，当每个神经元与较少的数据点相关联时，其统计显著性会下降。因此，我建议您可以尝试不同大小的地图，以找到适合您的数据集和目标的地图

事实上，我只是在读关于这一点的书，p。19在Kohonen的书《自组织映射的MATLAB实现和应用》中，可访问。它涵盖了在SOM-PAK之后创建的MatlabSOM工具包。本书仅简要介绍了SOM-PAK，但我相信书中的理论会有所帮助。

谢谢你的回答！！