som 알고리즘 예제

Comments 0 by
August 2, 2019

SOM의 작동 방식에 대한 시각적 예를 살펴보겠습니다. R의 함께 제공되는 SOM 코드는 GitHub 페이지에 있습니다. 두 개 이상의 차원을 가진 데이터 형식의 한 예는 색상입니다. 색상에는 일반적으로 RGB(빨간색, 녹색, 파란색) 값으로 표시되는 세 가지 차원이 있습니다. 이 예제에서는 SOM이 두 색상 클러스터를 구별하는 방법을 살펴보겠습니다. 대부분의 인공 신경망과 마찬가지로 SOM은 교육 및 매핑의 두 가지 모드로 작동합니다. “교육”은 입력 예제(벡터 양자화라고도 하는 경쟁 프로세스)를 사용하여 맵을 빌드하고 “매핑”은 새 입력 벡터를 자동으로 분류합니다. 결과 해석 자체 조직지도의 결과의 예는 아래에 나와 있습니다. 이 교육은 경쟁력 있는 학습을 활용합니다. 교육 예제가 네트워크에 공급되면 모든 가중치 벡터에 대한 유클리드 거리가 계산됩니다.

가중치 벡터가 입력과 가장 유사한 뉴런을 가장 적합한 일치 단위(BMU)라고 합니다. SOM 그리드에서 BMU 및 뉴런에 가까운 가중치는 입력 벡터쪽으로 조정됩니다. 변화의 크기는 시간과 BMU에서 그리드 거리와 함께 감소합니다. 가중치 벡터 Wv(들)가 있는 뉴런 v에 대한 업데이트 수식은 몇 백 번의 반복 후에 그리드의 형상이 안정화되는 것을 볼 수 있습니다. 알고리즘이 수렴되었는지 확인하기 위해 처음에는 SOM 에너지의 진화를 플롯할 수 있지만 데이터의 대략적인 모양에 도달하면 변화 속도가 느려집니다. `자체 조직지도`라는 용어는 알고리즘이 실제로 작동하는 방식에 대한 다소 적절한 비유인 지도에서 우발적인 데이터 포인트로 행진하는 데이터 포인트의 군사적 이미지를 연상시킬 수 있습니다. SOM을 적용하기 전에 주의해야 할 한 가지: 서로 다른 단위로 측정된 변수는 분석의 속도와 정확성을 방해할 수 있습니다. 예를 들어 센티미터단위로 측정된 변수는 미터단위로 측정된 값보다 100배 더 큰 값을 갖습니다. 변수가 다른 변수를 압도하는 것을 방지하기 위해 모든 변수를 표준화해야합니다. 표준화는 백분위수 측면에서 각 변수를 표현하는 것과 유사하며, 이는 동일한 측정 단위가 되도록 균일한 표준 스케일로 이동하는 것을 의미합니다. 원래 SOM은 최적화 문제에 대한 해결책으로 공식화되지 않았습니다. 그럼에도 불구하고 SOM의 정의를 수정하고 유사한 결과를 제공하는 최적화 문제를 공식화하려는 여러 시도가 있었습니다.

[20] 예를 들어, 탄성 맵은 탄성의 기계적 은유를 사용하여 주요 매니폴드를 근사화합니다:[21] 비유는 탄성 멤브레인및 플레이트입니다. 네트워크는 매핑 중에 예상되는 벡터 종류를 가능한 한 가깝게 나타내는 많은 수의 예제 벡터를 공급해야 합니다. 예제는 일반적으로 반복으로 여러 번 관리됩니다. SOM은 1980 년대에 핀란드 어 교수 투보 코호넨에 의해 도입 된 때로는 코호넨지도라고합니다. 1차원 SOM(주 곡선모델)에 대한 주성분 초기화에 대한 임의 개시 접근법을 주의 깊게 비교한 것은 주성분 SOM 초기화의 장점이 보편적이지 않다는 것을 입증하였다.