自组织图和神经气体有什么区别答案

【问题标题】：what is the difference between Self Organizing Maps and neural gas自组织图和神经气体有什么区别
【发布时间】：2016-03-08 11:12:25
【问题描述】：

我发现很难理解自组织图和神经气体之间的区别。我读过the Wikipedia article 和Neural Gas Network Learns topologies article.

SOM 算法和 Neural Gas 算法看起来非常相似。在这两者中，它都找到了获胜的神经元，获胜的神经元激发，激发神经元激发邻域神经元，其中邻域由邻域函数确定。在神经气体中，权重调整为
，在 SOM 中权重调整为
.
他们两个是一样的吧？

SOM算法是

而神经气体算法是

这两种算法有什么区别？

文章里写着

我不明白这是什么意思。有人可以帮助我理解这一点。

【问题讨论】：

由于您发布了信息图片，而不是实际文本，因此该问题的长期价值受到影响。如果您将其包含为minimal reproducible example 的形式会更好。

标签： neural-network pattern-recognition self-organizing-maps

【解决方案1】：

SOM 使用一组按预定义结构排列的神经元。 SOM 邻域是基于此结构定义的。此图显示了此结构的示例。 SOM two dimentional lattice 但是神经气体（NG）根据输入（特征）空间中神经元的距离定义邻域（不存在结构）

换句话说，SOM 执行有序向量量化，而 NG 执行无序向量量化。它是这样的：在 SOM 中，神经元在开头标有数字，例如 1、2、3 等。邻里是基于这个数字。例如，当 1 是 BMU 时。 2 是相邻的神经元。 In NG when a neuron is selected as BMU.选择与 BMU 具有最接近权重向量的神经元作为邻居。

【讨论】：