Cpn算法的具体应用及其matlab实现.pptVIP

* PPT模板集编辑说明 本模板文件只是整个模板集的一部分，包含各种风格和用途，后面也会一直陆陆续续的更新，这是模板适合多个场合，按照需要获取，使用灵活方便，排版及各个字体限制已经设置好，可以直接使用也可以自动以使用 * 精选文档整理合集 Cpn算法的具体应用及其matlab实现 韦立庆 * 精选文档整理合集 演讲的主要内容 对于Cpn网络的理解 Cpn网实战篇 实战篇的matlab实现 * 精选文档整理合集 对于Cpn网络的理解 1，cpn网的结构 * 精选文档整理合集 对于Cpn网络的理解 2，有导师学习和无导师学习 有导师 VS 无导师 * 精选文档整理合集 对于Cpn网络的理解 3，为什么cpn网无导师就能够学习了？ 人脑 客观事物 反复观察，分析，比较 客观事物 它们一样吗？ * 精选文档整理合集 对于Cpn网络的理解 上面的图像说明的内容 样本 样本 样本 样本 样本 样本 样本 样本 不断改变参数后形成 样本 样本 样本 样本 样本 样本 样本 样本 * 精选文档整理合集 对于Cpn网络的理解 样本 柱类 框类 心类 桥梁 W 这个桥梁W怎样起作用使得这个样本属于框类呢？ * 精选文档整理合集 对于Cpn网络的理解 我们来思考一下这个问题？ 样本 抽象成 X 柱类 框类 心类 抽象成 抽象成 抽象成 W1 W2 W3 X*W1 X*W2 X*W3 看 谁大就属于谁？ * 精选文档整理合集 对于Cpn网络的理解 为什么说X*W谁大，样本就属于哪个类？ 很显然距离越小就越有可能属于这个类 就是说||X-W||要最小 就可以推出X*W要最大 中心点，相当于W * 精选文档整理合集 对于Cpn网络的理解 这也就解释了为什么一个样本只激发一个kohonen层的神经元了 样本 柱类 框类 心类 桥梁 W 被激发 * 精选文档整理合集 对于Cpn网络的理解 同时也说明了w的初始值是非常重要的 说W很重要，那么W的初始值该怎么取呢？ * 精选文档整理合集 对于Cpn网络的理解 4,归一化 我们为什么要归一化？ O O x x y y 同一类事物同 中心点之间的 距离相差也可能很大 中心点W 进行单位化 中心点W 结论：无论是样本向量X，还是W只有归一化之后计算距离才有意义 * 精选文档整理合集 对于Cpn网络的理解 我们在讨论初始W的取值之前，先进行小结一下 什么是无导师学习？ 无导师学习就是想办法让样本自动归类 * 精选文档整理合集 对于Cpn网络的理解 那怎样才能让一个样本自动归类呢？ 通过求样本向量和中心点之间的距离啊！ * 精选文档整理合集 对于Cpn网络的理解 如果X*W越大，就说明该样本也有可能属于该类 这就解释了为什么kohonen层只激发一个神经元了 * 精选文档整理合集 对于Cpn网络的理解 这里的X和W千万不要忘了归一化哦，因为只有归一化解决问题才有意义 * 精选文档整理合集 对于Cpn网络的理解 W的初始取值 x y 很显然如果一开始 W随机取值是很不 精确的做法,因为可能 没有样本属于这个类 W X * 精选文档整理合集 对于Cpn网络的理解 打个比方 我喜欢《Java》 我喜欢《模式识别》 我喜欢《网络安全》 江南大学信息工程学院的同学对课程的偏好有三种：java,模式识别，网络安全 学校开课程最好根据同学的实际情况而定，而不能什么课都开。 * 精选文档整理合集 对于Cpn网络的理解 对于上图的解释就是，初始的w要根据样本的平均情况来取效果才好 x y (x1+x2+x3)/3=w的初始值 * 精选文档整理合集 Cpn网实战篇—提出问题 一个问题：根据这个星期的工作情况和心情来推测这个周末应该干什么？ 工作 心情 活动 输出 0 1 散步 1000 0 2 散步 2000 1 0 睡觉 0100 2 0 睡觉 0200 0 -1 购物 0010 0 -2 购物 0020 -1 0 工作 0001 -2 0 工作 0002 样本 * 精选文档整理合集 Cpn网实战篇—解决问题 很显然，输入层是二维的有两个节点，输出层是四维的。 工作 心情 输入层 散步 睡觉 购物 工作 该是几个神经元呢？ ？ * 精选文档整理合集 Cpn网实战篇—解决问题 分析样本确定竞争层的神经元的数目和初始矩阵W x y 很显然，竞争层应该取四个神经元。 W的取值为 （0，1.5）’ （1.5，0）’ （0，-1.5）’ （-1.5，0）’ （0，1） （0，2） （1，0） （2，0） （0，-1） （0，-2） （-1，0） （-2，0） * 精选文档整理合集 Cpn网实战篇—解决问题 画出cpn网络图 输