Hauptinhalt

selforgmap

Selbstorganisierende Karte

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.

Beispiel

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

alle reduzieren

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);

Figure Neural Network Training (09-Aug-2025 13:41:06) contains an object of type uigridlayout.

view(net)

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

Eingabeargumente

alle reduzieren

Dimensionsgrößen, angegeben als Zeilenvektor.

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

Anfängliche Größe der Nachbarschaft, angegeben als Skalar.

Schicht-Topologiefunktion, angegeben als Topologiefunktion.

Neuronen-Distanzfunktion, angegeben als Distanzfunktion.

Ausgangsargumente

alle reduzieren

Selbstorganisierende Karte, angegeben als Netzobjekt.

Versionsverlauf

Eingeführt in R2010b

Siehe auch

| |