我正在用 python 做一个图像识别项目。我在期刊上读到，如果将自组织图 (SOM) 执行的聚类输入到有监督的神经网络中，则图像识别的准确性会提高，而不是监督网络本身。我自己尝试过使用 SOM 执行聚类，然后在每次迭代后使用获胜神经元的坐标作为来自 keras 的多层感知器的输入。但是准确度很差。
SOM 的什么输出应该用作多层感知器的输入？
问问题
1410 次
2 回答
1
使用 SOM 的另一种方法是矢量量化。不要使用获胜的 SOM 坐标，而是使用获胜神经元的码本值。不确定您正在阅读哪些文章，但我会说 SOM 到 MLP 只会在某些情况下提供更好的准确性。此外，您需要明智地选择维度和地图大小等参数。
对于图像处理，我会说自动编码器或卷积神经网络 (CNN) 是 SOM 的更前沿替代方案，以调查您是否确定 SOM + MLP 架构。
于 2017-03-14T04:12:08.400 回答
0
我一直想知道是否有任何里程来为映射到 SOM 中每个节点的输入训练一个单独的监督神经网络。然后，您将对映射到每个 SOM 节点的输入数据子集进行单独的监督学习。与必须处理整个输入空间的大型网络相比，连接到每个节点的网络可能更小，更容易训练。包括映射到相邻 SOM 节点的输入向量也可能会带来好处。
有人知道这是研究的主题吗？
于 2017-12-09T23:39:48.030 回答