Exponenta Banner

selforgmap

Самоорганизующаяся карта

Синтаксис

selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn)

Описание

Самоорганизующиеся карты учатся кластеризировать данные на основе подобия, топологии, с выбором (но без гарантии) назначения одинакового количества образцов каждому классу.

Самоорганизующиеся карты используются как для кластеризации данных, так и для уменьшения размерности данных. Они вдохновлены сенсорным и двигательным отображениями в мозге млекопитающего, которые также, по-видимому, автоматически организация информацию топологически.

selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn) принимает эти аргументы,

dimensions

Вектор-строка размеров размерности (по умолчанию = [8 8])

coverSteps

Количество шагов обучения для начального покрытия входного пространства (по умолчанию = 100)

initNeighbor

Начальный размер окрестности (по умолчанию = 3)

topologyFcn

Функция топологии слоя (по умолчанию = 'hextop')

distanceFcn

Функция расстояния нейронов (по умолчанию = 'linkdist')

и возвращает самоорганизующуюся карту.

Примеры

Использование самоорганизующейся карты для данных кластера

Здесь самоорганизующаяся карта используется для кластеризации простого набора данных.

x = simplecluster_dataset;
net = selforgmap([8 8]);
net = train(net,x);
view(net)
y = net(x);
classes = vec2ind(y);

См. также

| |

Введенный в R2010b

Документация по Deep Learning Toolbox

Поддержка