Kohonen 热门资料

LVQ(学习矢量量化)算法：它是Kohonen的有监督学习的扩展形式，融合了自组织和有导师监督的技术。

Kohonen网络的学习过程可描述为：对于每一个网络的输入，只调整一部分权值，使权向量更接近或更偏离输入矢量，这一调整过程就是竞争学习。随着不断的学习过程，所有输入矢量都在输入矢量空间相互分离，形成了各自代表输入空间的一类模式，这就是Kohonen网络的特征自…

Demonstrates the Kohonen neural network.

Basic library that implements Kohonen s SOM and its learning. Lanuage: C# (.Net 3.5 Framework)

一种非线性传递函数 - Kohonen学习规则

Kohonen 网络模拟大脑神经系统自组织特征映射的功能，它是一种竞争式学习网络，在学习中能无监督地进行自组织学习。

Kohonen的SOFM(自组织特征映射)：这种算法部分收到生物特征影响，在网络输出层内按几何中心或特征进行聚类。

自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定…

该目录包含了代码执行Kohonen自组织特征 地图网络。源代码中可以找到SOFM.CPP 。样本数据中发现 SOFMSAMP.PAT 。的自组织特征映射程序接受输入的载体和组成 计算重量。输出定向到屏幕上。

对复杂混合气体/气味的定性识别是电子鼻技术应用的重要方面。文章以对不同品牌的葡萄酒样本的定性 识别为例,尝试利用气体传感器温度动态响应信息并结合Kohonen算法,实现对复杂混合气体/气味的定性识别。