利用ANN作图——自组织特征映射网络(SOFM)探究及实现
利用ANN作图——自组织特征映射网络(SOFM)探究及实现
![](/assets/blank.gif)
自组织特征映射网络(Self-Organizing Feature Map)只有两层:输入层和竞争层,竞争层神经元的排列有多种形式:一维线阵、二维平面、三维栅格等等。
在此问题中,由于输出是一张图片,因此定义与输出图片尺寸相同的 M×N 的全互连神经元作为输出层,输出值为 RGB 权重值:
![](/assets/blank.gif)
本文采用随机初始权值,即对应图片为以下效果:
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
# 计算领域范围半径
R2=(int)(((float)(self.radius)*(1.0-times)/2.0))+1
![](/assets/blank.gif)
# 计算到中心点的距离并归一化
outer=Node(i,j)
distance=self.distance(center,outer)
distance/= d_normalize
# 度量学习率
t=(float)(exp(-1.0*distance**2/0.15))
# 计算随迭代次数减少的程度
t/=(times*4.0+1.0)
6. 实验效果
我们采用三种图片作为样本输入,每次从样本图片随机选取像素点作为输入值,接着获取最佳竞争神经元,然后更新竞争元及其领域的权值,迭代一定次数后输出图片,流程如下:
# 循环迭代while(True):if times<1.0:# 获取随机样本random_x=randint(0,myimage_with-1)random_y=randint(0,myimage_height-1)r_sample=mypix[random_x,random_y]# 获取最优竞争者bmu_loc=mySom.get_bmu(r_sample)print u"-----------"+str(int(100*times))+u"%"+u"-----------"print u"sample.x:",random_x,u"sample.y:",random_y,u"sample.R:",r_sample[0],u"sample.G:",r_sample[1],u"sample.B:",r_sample[2]print u"bmu.x:",bmu_loc.X,u"bmu.y:",bmu_loc.Y,u"bmu.R:",bmu_loc.R,u"bmu.G:",bmu_loc.G,u"bmu.B:",bmu_loc.B# 更新领域值mySom.scale_neighbors(bmu_loc,r_sample,times)print u""# 更新当前迭代次数times+=T_INCelse:print u"-----------"u"100%"+u"-----------"print u"程序结束"break
输入:
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
输出:
![](/assets/blank.gif)
![](/assets/blank.gif)
![](/assets/blank.gif)
利用ANN作图——自组织特征映射网络(SOFM)探究及实现相关推荐
- 机器学习 竞争神经网络与自组织特征映射神经网络(SOFM)
本文按照 案例-分析-代码-原理 四段式进行介绍,为便于有一定理论基础的童鞋进行学习,将原理以链接其他博客的形式给出,有兴趣的童鞋可以跳转进行学习和推敲. [案例介绍]利用竞争神经网络和自组织特征隐射 ...
- 【神经网络】自组织特征映射网络(SOM)
自组织特征映射网络(SOM) Self-Organizing Feature Map Neural Networks BP学习算法是一种典型的有监督学习算法,特点:每一个输入都有一个对应的理想输出 自 ...
- 什么是自组织特征映射网络?
什么是自组织特征映射网络?
- 自组织特征映射(SOFM或SOM)网络解决旅行商问题(TSP)
自组织特征映射(Self-Organizing Feature Map)网络介绍: 由输入层,输出层神经元节点构成的神经网络(由输入层,隐层神经元节点构成的神经网络) 无监督学习 学习准则是胜者为王学 ...
- SOM -- 自组织特征映射网络
SOM的优缺点 优点:SOM由于地形序的影响,最后产生的聚类结果具有比较高的的可视化和可解释性,而且与K-Means不同的是,由于每次增量的更新所有的质心,因此他受初始质心选取的影响很小. 缺点:没有 ...
- 自组织特征映射神经网络(SOFM)
1981年芬兰 Helsink 大学的 T·Kohonen 教授提出一种自组织特征映射网 (Self-Organizing Feature Map , SOFM ), 又称 Kohonen 网 . K ...
- 机器学习之自组织特征映射神经网络(SOM)
SOM是一类"无监督学习"模型,一般的用法是将高维的input数据在低维的空间表示,因此SOM天然是一种降维方法.除了降维,SOM还可以用于数据可视化,以及聚类等应用中[2]. 定 ...
- SOFM自组织特征映射第一步:选取样本点
1.选取三种指数,均为栅格数据,进行栅格裁剪统一大小,并归一化处理 栅格裁剪步骤:数据管理工具->栅格->栅格处理->裁剪 归一化步骤:Spatial Analyst工具->叠 ...
- 关于SOM(self-organized map)自组织特征映射神经网络的理解
som网络结构 对SOM进行理解,首先要明确它的定位. 首先它是神经网络的一种,那么就有属于神经网络共同的性质.比如输入层,输出层.刚好,SOM网络只有这两层. (上面两张是典型的som网络结构图) ...
最新文章
- 计算机应用基础中什么是桌面,福师《计算机应用基础》在线作业二 Windows中进行系统设置的工具集是 用户可以根据自己的爱好更改显示器 键盘 鼠标器 桌面等硬件的设置...
- 正则满足中文的顿号_常用的正则表达式、正则表达式之断言
- 电脑休眠和睡眠的区别_电脑休眠和睡眠有什么区别呢?小编详细告诉你
- kaptcha配置java_kaptcha 配置
- 小物件之radio单选列表
- PHP扩展调用C++静态库
- springboot整合mysql5.7_详解SpringBoot整合MyBatis详细教程
- spring5.0学习笔记8
- Microsoft Store 微软应用商店0x80131500解决方案
- 牛掰!某厂风控大佬整理的一套黑客学习思维导图及教程!
- 耐福-NTP8849音频功放芯片有哪些功能?
- C语言2--进制和运算符
- Thread多线程-(最容易被问到的面试题)
- WebRTC 非常适用于智能家庭安防摄像头
- [日常技能]手机投屏到电视的5种方法
- 拿番茄炒鸡蛋来讲解一下大数据项目的流程
- 怎么解决localhost打不开
- 知心世界姐王瑞平:谷传民与大衣哥朱之文是沟通问题不是人品问题
- 【巴法云】开源安卓App控制ESP8266,通过MQTT协议,APP Inventor 开发
- Google台湾工程师团队扩编 大举进军大学校园征才
热门文章
- Python机器学习算法之AdaBoost算法
- Any、AnyObject、as
- Linux root 切换oracle用户 , 解锁账号
- 小米汽车还没影,雷军要先学马斯克做网红?
- 商米设备开发之-支付
- 墨西哥奢华烈酒品牌Clase Azul品牌标识换新;麦当劳中国第十二次荣膺“中国杰出雇主”认证 | 知消...
- 关于 AMP,Webnovel 都做了些什么?
- 4K VMware ubuntu 虚拟设置
- Invalid number format for port number
- 百度二面和京东二面+三面面经