با سلام، در این قسمت شبکه عصبی خود سازمان ده SOM را (SelfOrganizing Map) معرفی می کنیم.

شبکه های خود سازمان ده نوعی از شبکه های بدون ناظر می باشند که به دو روش کلاسیفیکیشن (کلاسترینگ) و استخراج ویژگی استفاده می شود. شبکه های SOM با توجه به فاصله ی ورودی ها از هر نورون خود را آموزش می دهند و نورون ها با یکدیگر رقابت می کنند.

این نوع الگوریتم ها هم زمانی به کار می آیند که یا داده های هدف موجود نباشند یا اینکه داده های ورودی به راحتی قابل تمییز نباشند.

پس از آموزش ساختار شبکه به صورت تئوری، به صورت عملی یک شبکه SOM را از ابتدا در MATLAB پیاده سازی می کنیم و فایل آن قابل دانلود است.

در این جلسه مهم ترین مطالبی که ذکر خواهند شد به شرح زیر می باشند:

  1. کاربردها

  2. خصوصیات

  3. نگاشت ویژگی

  4. Kohonen Networks

  5. ویژگی های اصلی

  6. پردازش رقابتی

  7. همکاری

  8. تطبیق (به روز رسانی)

  9. پیاده سازی شبکه SOM در متلب

تذکر:

قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید

کلید واژه:

SOM,Self Organizing Map,شبکه خود سازمان ده,شبکه بدون ناظر,Self Organizing Map neural network,SOM neural network,Kohonen، شبکه کوهنن،