在無監(jiān)督，無期望輸出的情況下，基于有導(dǎo)師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)往往是無能為力的。自組織神經(jīng)網(wǎng)絡(luò)可以通過對(duì)客觀事件的反復(fù)觀察分析與比較，字形題是其內(nèi)在規(guī)則。并對(duì)具有共同特征的事物進(jìn)行正確的分類，此種網(wǎng)絡(luò)更與人腦中生物神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)模式類似，即可以通過自動(dòng)尋找樣本中的內(nèi)在規(guī)律和本質(zhì)屬性，自組織，自適應(yīng)地改變網(wǎng)絡(luò)參數(shù)與結(jié)構(gòu)，這也是自組織名稱的由來，自組織神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則，大多采用競(jìng)爭性的學(xué)習(xí)規(guī)則。

競(jìng)爭型神經(jīng)網(wǎng)絡(luò)的基本思想是網(wǎng)絡(luò)競(jìng)爭層的各個(gè)神經(jīng)元，通過競(jìng)爭來獲得對(duì)輸入模式的響應(yīng)機(jī)會(huì)，最后僅有一個(gè)神經(jīng)元成為競(jìng)爭的勝利者，并將與獲勝神經(jīng)元有關(guān)的各個(gè)連接權(quán)值向著更有利于其競(jìng)爭的方向調(diào)整，自組織競(jìng)爭網(wǎng)絡(luò)自組織自適應(yīng)地學(xué)習(xí)能力，進(jìn)一步拓寬了神經(jīng)網(wǎng)絡(luò)在模式分類和識(shí)別方面的應(yīng)用。

%% 清空環(huán)境變量

clc

clear

%% 錄入輸入數(shù)據(jù)

% 載入數(shù)據(jù)并將數(shù)據(jù)分成訓(xùn)練和預(yù)測(cè)兩類

load gene.mat;

data=gene;

P=data(1:40,:);

T=data(41:60,:);

% 轉(zhuǎn)置后符合神經(jīng)網(wǎng)絡(luò)的輸入格式

P=P';

T=T';

%% 網(wǎng)絡(luò)建立和訓(xùn)練

% 建立競(jìng)爭網(wǎng)絡(luò)：

net = competlayer(2);

% 初始化網(wǎng)絡(luò)及設(shè)定網(wǎng)絡(luò)參數(shù)：

net=init(net);

net.trainparam.epochs=20;

% 訓(xùn)練網(wǎng)絡(luò)：

net=train(net,P);

%% 網(wǎng)絡(luò)的效果驗(yàn)證

% 將原數(shù)據(jù)回帶，測(cè)試網(wǎng)絡(luò)效果：

a=sim(net,P);

ac=vec2ind(a);

%% 網(wǎng)絡(luò)作分類的預(yù)測(cè)

% 下面將后20個(gè)數(shù)據(jù)帶入神經(jīng)網(wǎng)絡(luò)模型中，觀察網(wǎng)絡(luò)輸出：

Y=sim(net,T);

yc=vec2ind(Y);