我參考了這篇文章http://www.scholarpedia.org/article/Kohonen_network
另一個很好的演示在這里http://www.math.le.ac.uk/people/ag153/homepage/PCA_SOM/PCA_SOM.html

SOM

t是訓練步一個輸入數據是n維向量待訓練的是一堆節點，這堆節點之間有邊連著，通常是排成grid那樣的網狀結構一個要訓練的節點包含一個n維向量
訓練從t=0開始，t=輸入數據個數時結束每步的更新規則是
其中a(t)是一個隨訓練步數衰減的函數，c，i都是訓練節點的索引，c是離x(t)最近的節點的索引，hci是節點mc和mi的邊距離。也就是說每個訓練步選一個輸入數據x(t)，將離它最近的節點mc向這個輸入數據拉扯，這個節點又透過連著的邊，帶動鄰近的節點向這個輸入數據移動。

Batch SOM

這樣輸入數據太多的時候會很慢，改進的方法稱為batch som。方法是在每一步，對每個節點 mj，統計所有選中它為最近鄰的輸入數據的平均值，記為?。再按下式更新每個節點的值。
nj是選了mj做最鄰近的輸入數據個數，hji是節點mi與節點mj的邊距離。可見對于節點mi，它會更新到鄰近所有節點mj對應的的加權平均值。



來自為知筆記(Wiz)

轉載于:https://www.cnblogs.com/dydx/p/6436348.html

總結

以上是生活随笔為你收集整理的SOM 的两种算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。