deep-learning - 如何为 Kohonen 的 SOM 选择合适的网格数?
问题描述
我想知道如何在 Kohonen SOM 中选择网格数。另外,当网格数量增加时会发生什么?
解决方案
一般来说,当你增加模型参数的数量时,你就增加了模型适应更复杂问题的能力。对于 SOM,情况也是如此。但是,神经元仍然以邻域关系连接 - 所以效果不是线性的。
作为实用指南,您可以查看 Python 包的文档susi
,其中讨论了 SOM 的网格大小以及其他超参数(附有文献参考):https ://susi.readthedocs.io/ zh/最新/hyperparameters.html
推荐阅读
- python - 对数据集中每两列求和两列-Python
- r - 如何将数据框 R 代码转换为 data.table 代码
- html - 为什么不将这两个图像与内联段落一起?
- http - 如何在 Dart 中为 MultiPart 请求设置超时?
- firebase-hosting - 无法让 Firebase 托管与 Google Domains 一起使用
- laravel - 我可以在 config/lighthouse.php 中注册多个模式文件吗
- asp.net-mvc - 为什么 404 自定义错误有效但 500 自定义错误无效?
- cmake - CMakeLists.txt:96 处的 CMake 错误(安装):安装 TARGETS 给定未知参数“NAMELINK_COMPONENT”
- git - 在 Gitahead 的原点上创建标签
- c - 在创建 for 循环时使用 if