Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

selforgmap

説明

自己組織化マップは、同じ数のインスタンスを各クラスに割り当てることを優先して (ただし、その保証はありません)、類似性、トポロジに基づいてデータをクラスタリングするように学習します。

自己組織化マップは、データのクラスタリングとデータの次元削減に使用できます。これらは、哺乳類の脳の感覚野および運動野のマッピングからヒントを得ています。哺乳類の脳でも、情報が自動的かつトポロジカルに組織化されると考えられています。

selfOrgMap = selforgmap(dimensions) は、次元のサイズの行ベクトルを取り、自己組織化マップを返します。

selfOrgMap = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn) は、次元のサイズの行ベクトルと、初期対応のための学習ステップの数、初期近傍サイズ、層トポロジ関数、およびニューロン距離関数を取り、自己組織化マップを返します。

すべて折りたたむ

この例では、自己組織化マップを使用して、簡単なデータセットのクラスタリングを行う方法を示します。

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

Figure Neural Network Training (12-Apr-2022 01:02:47) contains an object of type uigridlayout.

view(net)

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

入力引数

すべて折りたたむ

次元のサイズ。行ベクトルとして指定します。

入力空間の初期対応のための学習ステップの数。スカラーとして指定します。

初期近傍サイズ。スカラーとして指定します。

層トポロジ関数。トポロジ関数として指定します。

ニューロン距離関数。距離関数として指定します。

出力引数

すべて折りたたむ

自己組織化マップ。ネットワーク オブジェクトとして返されます。

バージョン履歴

R2010b で導入