搜索资源列表
fmap1
- matlab编写的训练som自组织特征映射神经网络的源代码。-Matlab prepared by the training som self-organizing feature map neural network source.
三维自组织特征映射神经网络程序
- 绘制三维数据的散点图，并进行SOFM聚类的matlab程序。
11
- 神经网络实例集。包括以下几个程序单层线性神经网络实例、感知器神经元解决较复杂输入向量的分类问题、基于感知器神经网络处理复杂的分类问题、数值分析程序matlab-GUI、用BP网络完成函数的逼近源程序、自组织特征映射应用实例-Examples of neural network sets. Procedures include the following examples of single-layer linear neural network, perceptron neuron input
SOM
- MATLAB的自组织映射神经网络源码和相应的实验数据-MATLAB' s self-organizing map neural network source code and the corresponding experimental data
som(Jal.You)
- SOM神经网络（自组织特征映射神经网络）是一种无导师神经网路。网络的拓扑结构是由一个输入层与一个输出层构成。输入层的节点数即为输入样本的维数，其中每一节点代表输入样本中的一个分量。输出层节点排列结构是二维阵列。输入层X中的每个节点均与输出层Y每个神经元节点通过一权值(权矢量为W)相连接，这样每个输出层节点均对应于一个连接权矢量。 自组织特征映射的基本原理是，当某类模式输入时，其输出层某一节点得到最大刺激而获胜，获胜节点周围的一些节点因侧向作用也受到较大刺激。这时网络进行一次学习操作，获胜节点
Self-organizing_feature_map_model
- 自组织特征映射模型(Self-Organizing feature Map)，认为一个神经网络接受外界输入模式时，将会分为不同的区域，各区域对输入模式具有不同的响应特征，同时这一过程是自动完成的。各神经元的连接权值具有一定的分布。最邻近的神经元互相刺激，而较远的神经元则相互抑制，更远一些的则具有较弱的刺激作用。自组织特征映射法是一种无教师的聚类方法。-Self-organizing maps model (Self-Organizing feature Map), that a neural n
self-organization-map
- 自组织映射神经网络是一类新异类分类方法，可以较好的解决一类分类问题！-The self-organizing map neural network is a new class of heterogeneous classification, a classification can be a better solution!
somtoolbox
- 自组织特征映射神经网络是一类无导师学习的神经网络模型可用于聚类分析-Self-organizing neural network is a kind of unsupervised learning neural network model can be used for cluster analysis
SOFM
- 1981年芬兰 一种自组织特征映射网 ， 又称 Kohonen 网 。 Kohonen 认为 ，一个神经网络接受外界输入模式时， 将会分为不同的对应区域， 各区域对输入模式具有不同的响应特征(In 1981, a self organizing feature mapping network, also known as Kohonen network, was used in Finland. Kohonen thinks that when a neural network accepts