LVQ神经网络训练结果都是1分类识别训练结果解释,其中有张特征图是这样的,有大神可以帮忙讲解一下吗

一、LVQ神经网络训练结果都是1的分類原理

学习向量量化LVQ(Learning Vector Quantization)神经网络训练结果都是1属于前向神经网络训练结果都是1类型,在模式识别和优化领域有着广泛的的应用
LVQ神经网络訓练结果都是1由三层组成,即输入层、隐含层和输出层网络在输入层与隐含层间为完全连接,而在隐含层与输出层间为部分连接每个輸出层神经元与隐含层神经元的不同组相连接。隐含层和输出层神经元之间的连接权值固定为1输入层和隐含层神经元间连接的权值建立參考矢量的分量(对每个隐含神经元指定一个参考矢量)。在网络训练过程中这些权值被修改。隐含层神经元(又称为Kohnen神经元)和输出鉮经元都具有二进制输出值当某个输入模式被送至网络时,参考矢量最接近输入模式的隐含神经元因获得激发而赢得竞争因而允许它產生一个“1”,而其它隐含层神经元都被迫产生“0”与包含获胜神经元的隐含层神经元组相连接的输出神经元也发出“1”,而其它输出鉮经元均发出“0”产生“1”的输出神经元给出输入模式的类,由此可见每个输出神经元被用于表示不同的类。

% 产生图像序号的随机序列
% 训练集人脸朝向标号 % 显示训练集图像序号 % 测试集人脸朝向标号 % 显示测试集图像序号

我要回帖

更多关于 神经网络训练结果都是1 的文章

 

随机推荐