伊索宁
用于在线无监督学习的增强型自组织增量神经网络
作者：Sergei Belousov又名BeS
用C ++和Boost实现ESOINN
原始论文：“用于在线无监督学习的增强型自组织增量神经网络”，Shen Furaoa，Tomotaka Ogurab，Hasegawab Osamu，2007年
2021-10-18 15:56:44
1.42MB
1
Kohonen的自组织地图（SOM）
背景
Teuvo Kohonen在1990年撰写的原始是第一个能够进行无监督学习的神经网络模型之一。
在算法的不同实现中，该算法几乎完全遵循原始论文。 更新功能定义为
哪里
和 是当前时代。
而且，每个神经元都与其他所有神经元相连，因此该图是 完整的图形，其中 是神经元的数量。
例
from sklearn . datasets import load_iris
from sklearn . decomposition import PCA
import matplotlib . pyplot as plt
import numpy as np
from som . mapping import SOM
dataset = load_iris ()
train = dataset . data
# Reducing the dimensiona
2021-10-15 14:45:21
723KB
1
MiniSom
自组织图
MiniSom是自组织图（SOM）的一种基于Numpy的简约实现。 SOM是一种人工神经网络，能够将高维数据项之间的复杂，非线性统计关系转换为低维显示器上的简单几何关系。 Minisom旨在使研究人员可以轻松地在其之上进行构建，并使学生能够快速掌握其细节。
有关MiniSom的更新发布在。
安装
只需使用pip：
pip install minisom
或将MiniSom下载到您选择的目录并使用安装脚本：
git clone https://github.com/JustGlowing/minisom.git
python setup.py install
如何使用它
为了使用MiniSom，您需要将数据组织成一个Numpy矩阵，其中每一行都对应一个观测值，或者组织成如下列表的列表：
data = [[ 0.80 , 0.55 , 0.22 , 0.03 ],
[ 0.82 , 0.50 , 0.23 , 0.03 ],
[ 0.80 , 0.54 , 0.22 , 0.03 ],
[
2021-10-15 09:45:19
5.21MB
1
bp反向传播神经网络 som自组织映射神经网络 matlab gui程序 及ppt 讲解
2021-10-09 20:40:20
5.24MB
1