一维自组织映射

二维层中的神经元学会表示输入空间中出现输入向量的不同区域。此外，邻近的神经元学习对相似的输入作出反应，因此该层学习所提出的输入空间的拓扑结构。

这里在单位圆上创建了100个数据点。

将使用一个竞争网络将这些点分类为自然类别。

角= 0:0.5 *π/ 99:0.5 *π;X =[罪(角度);因为(角度)];情节(X (1:), X (2:)“+ r”）

这个地图将是一个由10个神经元组成的一维层。

网= selforgmap (10);

指定要对网络进行10个纪元的训练和使用火车在输入数据上训练网络。

net.trainParam.epochs = 10;网=火车(净,X);

现在用。绘制训练网络的权重位置plotsompos．

红点是神经元的权值向量，蓝线以1的距离连接每对神经元。

plotsompos(净)

该地图现在可以用来对输入进行分类，例如[1;0]。神经元1或神经元10的输出都应该是1，因为上面的输入向量位于输入空间的一端。第一对数字表示神经元，单个数字表示神经元的输出。

x = (1, 0);净(x) =

一个=10×10 0 0 0 0 0 0 1