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。
自己組織化マップ
例のクラスター、例の分布、およびクラスター間の類似関係のプロトタイプ ベクトルの特定
アプリ
ニューラル ネット クラスタリング | 自己組織化マップ (SOM) ネットワークを使用したクラスタリング問題の求解 |
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 | 自己組織化マップ サンプル ヒットのプロット |
plotsomnc | 自己組織化マップ近傍接続のプロット |
plotsomnd | 自己組織化マップ近傍距離のプロット |
plotsomplanes | 自己組織化マップ重み平面のプロット |
plotsompos | 自己組織化マップ重み位置のプロット |
plotsomtop | 自己組織化マップ トポロジのプロット |
genFunction | 浅層ニューラル ネットワークのシミュレーション用の MATLAB 関数の生成 |
例および使用方法
- 自己組織化マップによるデータのクラスタリング
ニューラル ネット クラスタリング 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する。
- 浅いニューラル ネットワーク関数の配布
MATLAB® ツールを使用して、学習済みの浅いニューラル ネットワークのシミュレーションと配布を行います。
- 浅いニューラル ネットワークの学習の展開
浅いニューラル ネットワークの学習を展開する方法を学習します。
- アヤメのクラスタリング
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。
- 遺伝子発現解析
この例では、ニューラル ネットワークを使用してパン酵母の遺伝子発現プロファイルのパターンを探す方法を示します。
- 1 次元自己組織化マップ
2 次元層のニューロンは、入力ベクトルが発生する入力空間のさまざまな領域を表すことを学習します。
- 2 次元自己組織化マップ
1 次元の問題と同様に、この自己組織化マップは、入力ベクトルが発生する入力空間のさまざまな領域を表すことを学習します。
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。