本站原创文章,转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com
LVQ神经网络全称为Learning Vector Quantization,主要用于做分类
它是Kohonen于1989年提出基于竞争网络的学习矢量量化网络
本文面向新人入门,简单介绍LVQ神经网络的结构、运作,
通过本文可快速了解LVQ神经网络是个什么东西
本节简单介绍LVQ神经网络的思想
LVQ神经网络是什么
LVQ用于解决分类问题,
它先对每个类别都初始化一些类别判别中心点
然后通过训练来调整这些类别判别中心的位置
使它们能较好地识别训练样本
这样,来了新样本,
只要判断新样本离哪个聚类中心点近
就判断样本属于该聚类中心点所代表的类别
LVQ神经网络的表示
LVQ神经网络的拓扑表示
LVQ一般用一个三层神经网络来表示,
它的拓扑结构如下:
其中,输入层与隐层全链接,隐层与输出层的每个节点唯一连接
LVQ神经网络元素的意义
每个隐层节点代表着一个类别判别中心,
它与输入层的权重就是它的位置,
它的输出层的连接代表着它是哪个类别的判别中心
例如,某个隐节点的输入权重为[0.3 0.5],输出权重为[0 1]
则代表它的位置为[0.3,0.5], 是类别1的判别中心
本节简单介绍LVQ神经网络的模型是如何进行预测的
LVQ神经网络模型与它的判别方法
LVQ训练后得到的模型就是和,
即各个判别中心的位置和它们所属类别
LVQ的判别方法就是样本离哪个判别中心最近,
就将样本判别为它所属的类别标签
LVQ模型的判别公式
LVQ神经网络的判别原理如上所述,本节展示具体的判别公式
LVQ模型的判别公式如下
其中,
👉W21为输入层到隐层的权重
👉W32为隐层到输出层的权重
👉dist为欧氏距离函数
👉compet则为向量竞争函数
即向量中最大值者为1,其它为0
✍️备注
从判别公式可以看到,模型只依赖和
其中代表着各个判别中心的位置
而则记录了判别中心所属的类别
End