Main Content

selforgmap

자기 조직화 맵

설명

자기 조직화 맵은 유사성, 위상을 기준으로 가급적(무조건적이진 않음) 동일한 개수의 인스턴스를 각 클래스에 할당하여 데이터를 군집화하도록 학습합니다.

자기 조직화 맵을 사용하여 데이터를 군집화하고 데이터 차원을 축소할 수 있습니다. 자기 조직화 맵은 포유류의 뇌의 감각 신경과 운동 신경의 매핑에서 영감을 얻었는데 정보를 자동으로 위상적으로 구성하는 것으로 알려져 있습니다.

예제

selfOrgMap = selforgmap(dimensions)는 차원 크기의 행 벡터를 받고 자기 조직화 맵을 반환합니다.

selfOrgMap = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn)은 차원 크기의 행 벡터와 초기 범위에 사용되는 훈련 스텝 수, 초기 이웃 크기, 계층 위상 함수, 뉴런 거리 함수도 받습니다. 그런 다음, 자기 조직화 맵을 반환합니다.

예제

모두 축소

이 예제에서는 자기 조직화 맵을 사용하여 간단한 데이터 세트를 군집화하는 방법을 보여줍니다.

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

Figure Neural Network Training (25-Jan-2024 15:32:12) contains an object of type uigridlayout.

view(net)

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

입력 인수

모두 축소

차원 크기로, 행 벡터로 지정됩니다.

입력 공간의 초기 범위에 사용되는 훈련 스텝의 개수로, 스칼라로 지정됩니다.

초기 이웃 크기로, 스칼라로 지정됩니다.

계층 위상 함수로, 위상 함수로 지정됩니다.

뉴런 거리 함수로, 거리 함수로 지정됩니다.

출력 인수

모두 축소

자기 조직화 맵으로, network 객체로 반환됩니다.

버전 내역

R2010b에 개발됨

참고 항목

| |