私は、自己組織化マップ上の質問があります。各ニューロンは、ランダム値に初期化された二重値のベクトル(入力ニューロンのサイズの別の配列)で構成されています。自己組織化マップは
私がアルゴリズムを理解する限り、これは実際には実装する必要があります。
トレーニングのために、トレーニングデータのサンプルをランダムに選択し、サンプル値のユークリッド距離とニューロンの重みを使用してBMUを計算します。
その後、近傍の関数と学習率に応じて、重みとそれ以外のすべてのニューロンを更新します。
次に、近傍関数と学習率を下げます。
これは、固定量の反復まで実行されます。
私の質問は次のとおりです。トレーニング後にクラスターを決定するにはどうすればよいですか?今までの私のアプローチは、新しい入力ベクトルを提示し、それとBMUとの間の最小ユークリッド距離を計算することです。しかし、これは私にとっては少しばかり純粋ではないようです。私は何かを逃したと確信しています。
詳細な回答と提供したリンクをお寄せいただきありがとうございます。 –