問題タブ [self-organizing-maps]

SOM ツールボックスを使用して、自動車のデータベースから収集したデータを分析しています。私の問題は、統合距離行列を視覚化するときです。som_umat のドキュメントを引用します。

SOM の統一距離行列を計算して返します。たとえば、5x1 サイズのマップの場合: m(1) m(2) m(3) m(4) m(5) ここで、m(i) は 1 つのマップ ユニットを表します。u 行列は 9x1 ベクトルです: u(1) u(1,2) u(2) u(2,3) u(3) u(3,4) u(4) u(4,5) u (5) ここで、u(i,j) はマップ単位 m(i) と m(j) の間の距離であり、u(k) は周囲の値の平均 (または最小値、最大値、または中央値) です。たとえば、u(3 ) = (u(2,3) + u(3,4))/2.

他の場所で定義されている U-Matrix を単純に視覚化するにはどうすればよいですか? ドキュメントで参照されている論文を含む ( http://www.cis.hut.fi/somtoolbox/package/docs2/som_umat.html ): 各ノード間のユークリッド距離を表す値のマトリックス。ユーザーに平均値 (または最小値、最大値、中央値) をプロットすることを強制するポイントは何ですか? 結果のマップは、これらの中間値がレンダリングされていない場合よりもはるかに直感的ではないと思います。

この画像は、私が何をしているのかをかなり明確に示しているはずです:

:)

私が論文の提案を擁護していたとき、私の教授の 1 人が、なぜ SOM で反復回数を指定する必要があるのか​​と尋ねました。彼は、トレーニングを停止するための収束基準があったはずだと言いました。

ただし、ターゲット ベクトルがないため、コストを最小化できなかったことは承知しています。

私の質問は、最初に、なぜ MAX_ITERATIONS が必要なのか、そして次に、選択した反復回数が最適なマップを与えることを保証するものは何かということです。:(

PS経験に基づいて、カラーデータセットで1000回の反復と10000回の反復を使用してみました。10000回の反復では、1000回よりも優れた視覚化が得られないようです:(

自己組織化マップは、より小さな次元空間で高次元データを視覚化/クラスター化できると主張されています。私はこの声明を理解するのにいくつかの困難があります。

6 次元のデータ セットを考えてみましょう。コードブック ベクトル/参照ベクトルも 6 次元です。SOM アルゴリズムによれば、これらの基準ベクトルの更新も 6 次元ベクトル空間で行われます。2 次元の地図を考えている場合、6 次元のデータ空間と 2 次元の地図空間の間の地図をどのように理解すればよいでしょうか?

ラベル付きのデータ セットがあり、各データ エントリは 6 次元です。各データ エントリは、10 個のクラスターのいずれかに属するものとして事前にラベル付けされています。

このラベル付きデータセットに適合するように SOM をトレーニングしたいと思います。言い換えれば、事前にラベル付けされたものと同じ結果を各データエントリに正確に (またはほぼ) クラスター化できる SOM を適用したいと考えています。

上記の要件を満たすことができる MATLAB ニューラル ネットワーク ツールボックスの関数はありますか?

たとえば、文字「A」などの単一のアルファベット文字に対して複数のデータを受け入れることができるように、プログラムを変更しようとしています。キーボードからの 1 つのキーのみが 1 つのデータのみを保持できるようにする、ある種の ContainsKey 関数がありました。複数のデータを保持できるようにする方法は?

はっきりさせておきますが、これは教師なしニューラル ネットワークを使用したオンライン OCR プログラムです。ユーザーが描画スペースにキャラクターを描くとき、​​後でトレーニングするためにそのキャラクターを学習データに追加するオプションがあります。文字を追加するときは、キーボードのキーを使用して入力した文字を定義する必要があります。たとえば、文字「A」を描くと、その文字のキーをキーボードから入力するようにユーザーに求めるポップアップ ウィンドウが表示されます。

ここでの問題は、学習データに既に文字 'A' がある場合、キー A が既に前の 'A' を保持しているため、別の文字 'A' を追加できないことです。キーAに複数の文字「A」を保持できるようにしたかったのです。

ここにプログラムのコード全体を投稿するつもりです。皆さんが我慢してくれることを願っています。これは私のプログラムではありません。Heaton Research によるもので、修正するつもりです。少し早いですがお礼を。

2次元ニューラルネットワークのノードをどのように表現しますか？

自己組織化ニューラルネットワーク（Kohonen map）では、ノードの重みは2Dネットワークの座標にどのように関連していますか。マップは、場所の座標またはその場所の重みに基づいて自己組織化しますか？

MPIを使用して以下に示すアルゴリズムを実装しようとしています

分散ローカリゼーションアルゴリズム：入力：N、ノードの数。G = (g_ij)、最近傍の知識出力：ノードの位置p_i = (x_i,y_j), i,j = 1,......,N

23サンプルの発現データ（約500遺伝子）に対して、監視された自己組織化マップを実行しようとしています。23のサンプルは4つのグループに分けられます。これら4つのグループで同様の発現パターンを持つ遺伝子のマップを取得したいと思います。

xyfパッケージの機能Kohonenを監視モデリングに使用する場合、

次のエラーが発生します。

sample（1：nd、ng、replace = FALSE）のエラー：'replace = FALSE'の場合、母集団よりも大きいサンプルを取得できません

関数のどこを呼び出すべきかわかりませんreplace=T。パッケージマニュアルには、このトピックに関する情報はありません。

写真のコラージュを作りたいです。この画像に似ています (色付きの長方形ではなく写真を考えてください):

コラージュは、次の情報から構成する必要があります。

スロットの 2D マップと一連の画像があります。マップ (この場合は 3x3 スロット) は次のようになります。

これで、各画像について、それがどのスロットに属しているかがわかります。また、特定のスロットに属するイメージがない場合もあります。ただし、1 つの特定のスロットに複数の画像を含めることができます (9 つ以上の画像がある場合もあります)。

これに加えて、複数の画像が特定のスロットに属している場合、画像がそのスロットにどの程度属しているかがわかります。

では、見た目が美しく、上記のマップの構造を保持するコラージュを (Java で) 作成する最良の方法は何でしょうか?

(この 2D マップを取得するために、Kohonen マップを使用しています)

Stephan Marslands 2D自己組織化マップを実験しようとしています（主成分分析と組み合わせて）

そして、前処理後の私のデータセットに基づいて、このエラーを生成します

現在、myYは配列あたりの要素数（大きい方の次元に含まれる配列の次元）をX表し、myは小さい配列の次元を含む大きい方の次元を表します。このメモリエラーの原因は何ですか？

levelplotR パッケージの関数を使用してカラー マトリックスを描画することは可能latticeですか? 関数で各セルに色を付ける必要がありRGBます。

カラー マトリックスは以下のようにする必要があり、rgb(1,0.8,0.9) などのように各セルに色を付ける必要があります。

self-organizing-map色分類のアルゴリズムを実装する必要があるため、これが必要です。組み込みの kohonen/som 関数または som クラスの使用は許可されていません。