selforgmap

(Zu entfernen) Selbstorganisierende Karte

selforgmap wird in einer zukünftigen Version entfernt. Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Ratschläge zur Aktualisierung Ihres Codes finden Sie unter Versionsverlauf.

Syntax

selfOrgMap = selforgmap(dimensions)

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

Beschreibung

Selbstorganisierende Karten lernen, Daten basierend Ähnlichkeit, Topologie, zusammenzufassen, mit einer Präferenz (aber keiner Garantie), jeder Klasse dieselbe Anzahl Instanzen zuzuweisen.

Sie können selbstorganisierende Karten verwenden, um Daten zusammenzufassen und die Dimensionalität der Daten zu reduzieren. Die Inspiration für selbstorganisierende Karten sind die sensorischen und motorischen Zuordnungen im Gehirn von Säugetieren, die offenbar ebenfalls Informationen automatisch topologisch organisieren.

selfOrgMap = selforgmap(dimensions) akzeptiert einen Zeilenvektor aus Dimensionsgrößen und gibt eine selbstorganisierende Karte aus.

selfOrgMap = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn) akzeptiert einen Zeilenvektor aus Dimensionsgrößen sowie eine Anzahl von Trainingsschritten für die anfängliche Abdeckung, anfängliche Nachbarschaftsgröße, eine Schichten-Topologiefunktion und eine Neuronen-Distanzfunktion und gibt eine selbstorganisierende Karte aus.

Beispiele

Verwenden von selbstorganisierenden Karten zum Zusammenfassen von Daten

Dieses Beispiel zeigt, wie Sie eine selbstorganisierende Karte zum Zusammenfassen eines einfachen Datensatzes verwenden können.

x = simplecluster_dataset;
net = selforgmap([8 8]);
net = train(net,x);

view(net)

y = net(x);
classes = vec2ind(y);

Eingabeargumente

dimensions — Dimensionsgrößen

[8 8] (Standardeinstellung) | Zeilenvektor

Dimensionsgrößen, angegeben als Zeilenvektor.

coverSteps — Anfängliche Abdeckungsschritte

100 (Standardeinstellung) | Skalar

Anzahl Trainingsschritte für die anfängliche Abdeckung des Eingangsraums, angegeben als Skalar.

initNeighbor — Anfängliche Größe der Nachbarschaft

3 (Standardeinstellung) | Skalar

Anfängliche Größe der Nachbarschaft, angegeben als Skalar.

topologyFcn — Topologiefunktion

'hextop' (Standardeinstellung) | 'randtop' | 'gridtop' | 'tritop'

Schicht-Topologiefunktion, angegeben als Topologiefunktion.

distanceFcn — Distanzfunktion

'linkdist' (Standardeinstellung) | 'dist' | 'mandist'

Neuronen-Distanzfunktion, angegeben als Distanzfunktion.

Ausgangsargumente

selfOrgMap — Selbstorganisierende Karte

network-Objekt

Selbstorganisierende Karte, angegeben als Netzobjekt.

Versionsverlauf

Eingeführt in R2010b

R2026a: selforgmap wird zukünftig entfernt.

selforgmap wird in einer zukünftigen Version entfernt.

Mehr über Workflows für selbstorganisierende Karten erfahren Sie in den folgenden Beispielen und Themen:

• Cluster Data Using Self-Organizing Map (SOM)

• Custom Loss Functions

• Custom Training Loops

• Custom Training Loop Model Loss Functions

• Train Network Using Model Function

• List of Functions with dlarray Support

Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Siehe auch

Time Series Modeler | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

Themen

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows