【模型】快速了解LVQ神经网络是什么

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

   01. 快速了解LVQ神经网络    

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

   02. 关于LVQ神经网络的判别计算过程    

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