Difference between revisions of "Self-organizing Feature Maps"
From Opengenome.net
| Line 4: | Line 4: | ||
자기조직화 형상지도 연구의 선구적인 von der Malsburg의 영향을 받게 되었다. 역사적으로 볼때, 자기조직화 지도는 1980년대 중반부터 <br /> | 자기조직화 형상지도 연구의 선구적인 von der Malsburg의 영향을 받게 되었다. 역사적으로 볼때, 자기조직화 지도는 1980년대 중반부터 <br /> | ||
불기 시작한 신경망의 새로운 붐이 일기전에 연구된 신경망 중의 하나이다.<br /> | 불기 시작한 신경망의 새로운 붐이 일기전에 연구된 신경망 중의 하나이다.<br /> | ||
| + | <br /> | ||
| + | <font color="#99cc00"><strong>1. 2차원 지도의 자기조직화</strong></font><br /> | ||
| + | 입력패턴의 분포를 반영하고 있는 2차원 지도가 자기조직화 되는 과정은 훈련패턴들이 2차원의 벡터일 경우 각 엔트리는 0에서 1까지의 숫자이며 균등분포에서 선택된다.<br /> | ||
| + | 이 경우 network의 초기 연결강도는 0.4~0.6으로 임의값을 사용하였고, a는 초기의 경우이고 b는 경쟁층에서 두 개의 인접한 unit의 연결을 나타내는 것이다.<br /> | ||
Revision as of 15:06, 22 August 2006
Self-organizing Feature Maps (자기조직화 형상 지도)
Self-organizing Feature Maps는 1979년에서 1982년 사이에 Kohonen에 의해 개발되었다. Kohonen과 Willshow, S.Grossberg등은
자기조직화 형상지도 연구의 선구적인 von der Malsburg의 영향을 받게 되었다. 역사적으로 볼때, 자기조직화 지도는 1980년대 중반부터
불기 시작한 신경망의 새로운 붐이 일기전에 연구된 신경망 중의 하나이다.
1. 2차원 지도의 자기조직화
입력패턴의 분포를 반영하고 있는 2차원 지도가 자기조직화 되는 과정은 훈련패턴들이 2차원의 벡터일 경우 각 엔트리는 0에서 1까지의 숫자이며 균등분포에서 선택된다.
이 경우 network의 초기 연결강도는 0.4~0.6으로 임의값을 사용하였고, a는 초기의 경우이고 b는 경쟁층에서 두 개의 인접한 unit의 연결을 나타내는 것이다.
