selforgmap

(削除予定) 自己組織化マップ

selforgmap は将来のリリースで削除される予定です。詳細については、Transition Legacy Neural Network Code to dlnetwork Workflowsを参照してください。

コードの更新に関するアドバイスについては、バージョン履歴を参照してください。

構文

selfOrgMap = selforgmap(dimensions)

selfOrgMap = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn)

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。

例

自己組織化マップを使用したデータのクラスタリング

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);

view(net)

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

入力引数

dimensions — 次元

[8 8] (既定値) | 行ベクトル

次元のサイズ。行ベクトルとして指定します。

coverSteps — 初期対応ステップ

100 (既定値) | スカラー

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。

initNeighbor — 初期近傍サイズ

3 (既定値) | スカラー

初期近傍サイズ。スカラーとして指定します。

topologyFcn — トポロジ関数

'hextop' (既定値) | 'randtop' | 'gridtop' | 'tritop'

層トポロジ関数。トポロジ関数として指定します。

distanceFcn — 距離関数

'linkdist' (既定値) | 'dist' | 'mandist'

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

selfOrgMap — 自己組織化マップ

network オブジェクト

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

R2026a: selforgmap は削除予定

selforgmap は将来のリリースで削除される予定です。

自己組織化マップのワークフローの詳細については、以下の例とトピックを参照してください。

• Cluster Data Using Self-Organizing Map (SOM)

• Custom Loss Functions

• Custom Training Loops

• Custom Training Loop Model Loss Functions

• モデル関数を使用したネットワークの学習

• dlarray をサポートする関数の一覧

詳細については、Transition Legacy Neural Network Code to dlnetwork Workflowsを参照してください。

参考

時系列モデラー | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

トピック

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows