selforgmap

Mappa auto-organizzante (da rimuovere)

selforgmap sarà rimossa in una prossima release. Per ulteriori informazioni, vedere Transition Legacy Neural Network Code to dlnetwork Workflows.

Per suggerimenti sull'aggiornamento del codice, vedere Version History (Storico della versione).

Sintassi

selfOrgMap = selforgmap(dimensions)

selfOrgMap = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn)

Descrizione

Le mappe auto-organizzanti imparano a raggruppare i dati in base alla somiglianza e alla topologia, con la preferenza (ma non la garanzia) di assegnare lo stesso numero di istanze a ciascuna classe.

Le mappe auto-organizzanti possono essere utilizzate per raggruppare i dati riducendone così la dimensionalità. Si ispirano alle mappature sensoriali e motorie del cervello dei mammiferi che sembrano anche organizzare automaticamente le informazioni in modo topologico.

selfOrgMap = selforgmap(dimensions) considera un vettore di riga di dimensioni dimensionali e restituisce una mappa auto-organizzante.

selfOrgMap = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn) considera un vettore di riga di dimensioni dimensionali nonché un numero di sequenze di addestramento per la copertura iniziale, una dimensione iniziale del vicino, una funzione di topologia del livello e una funzione di distanza del neurone, restituendo una mappa auto-organizzante.

Esempi

Utilizzo della mappa auto-organizzante per raggruppare i dati

Questo esempio mostra come utilizzare una mappa auto-organizzante per raggruppare un semplice set di dati.

x = simplecluster_dataset;
net = selforgmap([8 8]);
net = train(net,x);

view(net)

y = net(x);
classes = vec2ind(y);

Argomenti di input

dimensions — Dimensioni dimensionali

[8 8] (predefinito) | vettore di riga

Dimensioni dimensionali, specificate come un vettore di riga.

coverSteps — Sequenze di copertura iniziale

100 (predefinito) | scalare

Numero delle sequenze di addestramento per la copertura iniziale dello spazio di input, specificato come uno scalare.

initNeighbor — Dimensione iniziale del vicino

3 (predefinito) | scalare

Dimensione iniziale del vicino, specificata come uno scalare.

topologyFcn — Funzione di topologia

'hextop' (predefinito) | 'randtop' | 'gridtop' | 'tritop'

Funzione di topologia del livello, specificata come una funzione di topologia.

distanceFcn — Funzione di distanza

'linkdist' (predefinito) | 'dist' | 'mandist'

Funzione di distanza del neurone, specificata come una funzione di distanza.

Argomenti di output

selfOrgMap — Mappa auto-organizzante

Oggetto network

Mappa auto-organizzante, restituita come un oggetto di rete.

Cronologia versioni

Introdotto in R2010b

R2026a: Prossima rimozione di selforgmap

selforgmap sarà rimossa in una prossima release.

Per saperne di più sui workflow relativi alle mappe auto-organizzanti, vedere questi esempi e argomenti:

• Cluster Data Using Self-Organizing Map (SOM)

• Custom Loss Functions

• Custom Training Loops

• Custom Training Loop Model Loss Functions

• Train Network Using Model Function

• List of Functions with dlarray Support

Per ulteriori informazioni, vedere Transition Legacy Neural Network Code to dlnetwork Workflows.

Vedi anche

Time Series Modeler | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

Argomenti

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows