本文主要是介绍周志华《机器学习》课后习题解答系列（六）：Ch5.8 - SOM网络实验，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本系列相关答案和源代码托管在我的Github上：PY131/Machine-Learning_ZhouZhihua.
SOM神经网络实验
注：本题程序分别基于Python和Matlab实现（这里查看完整代码和数据集）。
1 基础概述
1.1 SOM网络概念
SOM(Self-Organizing Map，自组织映射)网络是一种无监督的竞争型神经网络，常用于数据的聚类和降维分析。它从仿生学中引出，模拟了面临不同输入模式时生物神经组织的兴奋机理。SOM神经网络最初由Kohonen提出，所以也常把SOM网络称为Kohonen网络。
SOM神经网络通过自组织映射（SOM），将高维的输入数据映射到低维空间，从而实现了特征空间的降维，同时保持了输入数据在高维空间中的拓扑结构。下图为最常见的输出层为二维的SOM神经网络：
SOM网络经过训练之后，输出层各神经元及其参数反映的是输入数据的模式聚合。
1.2 SOM网络工作机理
SOM工作机理分为三大部分：
- 竞争（Competition）
- 协同（Cooperation）
- 适应（Adaption）
下面对工作机制进行概要讨论（这里以上图5.11所示输出层为二维的Kohonen网络为例）：
1. 参数
先明确网络所涉及的数据和参数（即要通过数据学习的对象）：
数据：输入层：D 个输入变量记为 x = {x_i: i=1,…,D};输出层：N*M 个输出变量记为这篇关于周志华《机器学习》课后习题解答系列（六）：Ch5.8 - SOM网络实验的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
