机器学习day17使用自组织映射网络

设定输出层神经元的数量

输出层神经元的数量与训练集样本的类别数相关。不清楚类别数，尽可能多设置节点数。分类过细可适当减少输出节点，减少从未更新权值的死节点。

设计输出层节点的排列

输出层节点的排列依赖于实际的需要。排列方式尽可能直观地反映出实际问题的物理意义。例如一般的分类问题，一个输出节点代表一个模式类，用一维线阵结构简单明了，对于颜色，路径类问题，二维平面则简单直观。

初始化权值

可以随机初始化，尽量保证权值的初始位置和输入样本的大概分布区域重合，避免出现大量的死节点。一种简单的方法是，从训练集中随机抽取m个输入样本作为初始权值。

设计拓扑领域

拓扑领域的设计原则是使领域不断缩小，这样输出平面上相邻的神经元对应的权向量之间既有区别，又有相似性。保证获胜节点对某一类模式产生最大的响应时，其领域节点也能产生较大响应。领域可以是正方形，六边形，菱形等等。

设计学习率

学习率应该是一个递减的函数，在训练开始，学习率可以是较大的值，之后以较快的速度下降，这样有利于很快的拟合大概的输入向量的结构。之后学习率在较小的值上缓慢降至0，这样可以精细地调整权值使之符合输入空间的样本分布结构。