Exponenta Banner

selforgmap

Самоорганизующаяся карта

свернуть все на странице

Синтаксис

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

Описание

Самоорганизующиеся карты учатся кластеризировать данные на основе подобия, топологии, с настройкой (но никакая гарантия) присваивания того же номера экземпляров к каждому классу.

Можно использовать самоорганизующиеся карты, чтобы кластеризировать данные и уменьшать размерность данных. Они вдохновлены сенсорными и моторными отображениями в мозгу млекопитающего, которые также появляются к автоматической организации информации топологически.

пример

selfOrgMap = selforgmap(dimensions) берет вектор-строку из размеров размерности и возвращает самоорганизующуюся карту.

selfOrgMap = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn) берет вектор-строку из размеров размерности и также многих учебных шагов для начального покрытия, начального размера окружения, функции топологии слоя и функции расстояния нейрона, и возвращает самоорганизующуюся карту.

Примеры

свернуть все

Скрипт Open Live Script

В этом примере показано, как использовать самоорганизующуюся карту, чтобы кластеризировать простой набор данных.

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

Входные параметры

свернуть все

Размеры размерности в виде вектора-строки.

Количество учебных шагов для начального покрытия входного пространства в виде скаляра.

Начальный размер окружения в виде скаляра.

Топология слоя функционирует в виде функции топологии.

Расстояние нейрона функционирует в виде функции расстояния.

Выходные аргументы

свернуть все

Самоорганизующаяся карта, возвращенная как сетевой объект.

Смотрите также

| |

Представленный в R2010b

Документация Deep Learning Toolbox

Поддержка