为了可视化一个 U 矩阵到底是如何构建的自组织映射 http://en.wikipedia.org/wiki/Self-organizing_map?更具体地说,假设我有一个 3x3 节点的输出网格(已经经过训练),我如何从中构造一个 U 矩阵?您可以例如假设神经元(和输入)的维度为 4。
我在网上找到了一些资源,但它们都不清楚或相互矛盾。例如,原纸 http://www.uni-marburg.de/fb12/datenbionik/pdf/pubs/1990/UltschSiemon90充满了错别字。
U 矩阵是输入数据维度空间中神经元之间距离的直观表示。也就是说,您可以使用经过训练的向量来计算相邻神经元之间的距离。如果您的输入维度为 4,那么训练后的映射中的每个神经元也对应于一个 4 维向量。假设您有一张 3x3 六角形地图。
U 矩阵将是一个 5x5 矩阵,其中两个神经元之间的每个连接都有插值元素,如下所示
{x,y} 元素是神经元 x 和 y 之间的距离,{x} 元素中的值是周围值的平均值。例如,{4,5} = 距离(4,5) 和 {4} = 平均值({1,4}, {2,4}, {4,5}, {4,7})。为了计算距离,您可以使用每个神经元经过训练的 4 维向量以及用于训练地图的距离公式(通常是欧几里德距离)。因此,U 矩阵的值只是数字(而不是向量)。然后,您可以将浅灰色分配给这些值中的最大值,将深灰色分配给最小值,将其他值分配给相应的灰色阴影。您可以使用这些颜色来绘制 U 矩阵的单元,并以可视化方式表示神经元之间的距离。
也看看这篇网络文章 http://users.ics.aalto.fi/jhollmen/dippa/node24.html.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)