Neural network 关于kohonen神经网络的几个问题

我有大数据集（时间序列，大约50个参数/值）。我想使用Kohonen网络对类似的数据行进行分组。我读过一些关于Kohonen神经网络的书，我了解Kohonen网络的概念，但是：

我不知道如何用这么多维度实现Kohonen。我在CodeProject上找到了一个示例，但仅限于二维或三维输入向量。当我有50个参数时，我应该在我的神经元中创建50个权重吗

我不知道如何更新获胜神经元的权重（如何计算新权重？）

我的英语不是很好，我不理解我读到的关于Kohonen网络的所有内容，特别是公式中变量的描述，这就是我问的原因

是的，你需要50个神经元。然而，如本文所述，这些类型的网络通常是低维的。我从未见过他们使用超过几个输入

您必须使用更新公式。来自同一篇文章：

Wv（s+1）=Wv（s）+Θ（u，v，s）α（s）（D（t）-Wv（s））

是的，每个神经元需要50个输入

基本上，您在神经元和目标（输入）神经元之间进行线性插值，并使用

W（s+1）=W（s）+Θ（）*α（s）*（输入（t）-W（s））

，其中Θ是您的邻域函数

你应该更新你所有的神经元，而不仅仅是赢家

您使用哪个函数作为邻域函数取决于您的实际问题。 这种函数的一个共同特性是，当i=k时，它的值为1，并随距离欧几里得距离而衰减。此外，它会随着时间的推移而收缩（以便对簇进行本地化）

---

简单的邻域函数包括线性插值（最大距离）或高斯函数

应区分地图的维数，通常较低（例如，在矩形网格的常见情况下为2），以及参考向量的维数，可以任意高而没有问题

请看一个49维输入向量（7x7像素图像）的好例子。在本例中，Kohonen映射的形式为8个单位的一维环

另请参见各种类似Kohonen的网络的java模拟器，包括环形网络，如McMasters的网络。然而，参考向量都是二维的，但只是为了便于显示。它们可以具有任意高维，而不改变算法。

如何计算

Θ（u，v，s）

？我在维基百科上找不到任何公式。