最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。
自己組織化マップ
アプリ
| Neural Net Clustering | Cluster data by training a self-organizing maps network |
関数
selforgmap | 自己組織化マップ |
train | 浅いニューラル ネットワークの学習 |
plotsomhits | Plot self-organizing map sample hits |
plotsomnc | Plot self-organizing map neighbor connections |
plotsomnd | Plot self-organizing map neighbor distances |
plotsomplanes | Plot self-organizing map weight planes |
plotsompos | Plot self-organizing map weight positions |
plotsomtop | Plot self-organizing map topology |
genFunction | ニューラル ネットワークのシミュレーション用の MATLAB 関数の生成 |
例および操作のヒント
Neural Network Clustering アプリまたはコマンド ライン関数を使用して、類似性によってデータをグループ化します。
MATLAB® ツールを使用して、学習済みニューラル ネットワークのシミュレーションと配布を行います。
ネットワークの学習を配布する方法を学習します。
この例では、自己組織化マップ ニューラル ネットワークによってアヤメの花を複数のクラスにトポロジカルにクラスタリングする方法を説明します。
This example demonstrates looking for patterns in gene expression profiles in baker's yeast using neural networks.
One-Dimensional Self-organizing Map
Neurons in a 2-D layer learn to represent different regions of the input space where input vectors occur. In addition, neighboring neurons learn to respond to similar inputs, thus the layer learns the topology of the presented input space.
Two-Dimensional Self-organizing Map
As in one-dimensional problems, this self-organizing map will learn to represent different regions of the input space where input vectors occur. In this example, however, the neurons will arrange themselves in a two-dimensional grid, rather than a line.
概念
自己組織化マップ ニューラル ネットワークによるクラスター化
入力空間でのグループ化の方法に従って入力ベクトルを分類するために、自己組織化特徴マップ (SOFM) を使用します。
