第181章 无监督学习和SOM

将高维的输入数据在低维的空间表示，所以常用来给数据“降维”，此外也常用于数据可视化、聚类等。

SOM是一种自组织神经网络，在网络结构上，有着十分鲜明的特点。

一般包含输入层和竞争层，构成双层网络，通常没有隐含层。

层之间的各个神经元，进行双向连接，有的时候，竞争层的神经元之间，还会存在横向的连接。

在学习算法上，SOM也有与众不同之处。

其模拟了生物神经元之间的兴奋、协调、抑制、竞争机制，通过这些作用中蕴藏的信息动力学原理，来指导神经网络的学习与工作。

这一点与“多层感知机”MLP对比鲜明，后者通常是以网络的误差，作为算法的准则，来调整参数。

竞争型神经网络的基本思想，是让网络中竞争层的各神经元，竞争对输入模式响应的机会。

最后获胜的神经元，就表示算法对输入数据的分类。

因此，很容易把这样的结果和聚类联系在一起。

思路捋顺后，接下来就是写成论文，然后再设计一个程序，对算法进行验证。

最后再收集一些程序运行中所产生的数据，和普通“MLP”进行一番比较……

江寒紧赶慢赶，终于在下午3点前搞定了论文的主体部分。

接下来，就可以休息一会儿了。

吃了两块巧克力，又吃苹果，正惬意着，手机铃声忽然响起。

江寒看了眼来电显示，又是个不认识的，不过看号段是松江本地的电话。

“喂？您好。”江寒接起电话。

“江寒同学吗？”那边传来一个浑厚的男子声音。

江寒：“我是……请问您是哪位？”