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

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

Neural Net ClusteringCluster data by training a self-organizing maps network

関数

nnstartニューラル ネットワークの使用開始 GUI
view浅いニューラル ネットワークの表示
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
plotsomhitsPlot self-organizing map sample hits
plotsomncPlot self-organizing map neighbor connections
plotsomndPlot self-organizing map neighbor distances
plotsomplanesPlot self-organizing map weight planes
plotsomposPlot self-organizing map weight positions
plotsomtopPlot self-organizing map topology
genFunction浅いニューラル 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

自己組織化マップによるデータのクラスタリング

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。

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配布

浅いニューラル ネットワークの学習を配布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。