我有大数据集（时间序列，大约 50 个参数/值）。我想使用 Kohonen 网络对相似的数据行进行分组。我读过一些关于 Kohonen 神经网络的文章，我了解 Kohonen 网络的概念，但是：
我不知道如何实现这么多维度的 Kohonen。我在 CodeProject 上找到了示例，但只有 2 或 3 维输入向量。当我有 50 个参数时 - 我应该在我的神经元中创建 50 个权重吗？
我不知道如何更新获胜神经元的权重（如何计算新的权重？）。
我的英语不是很完美，我不明白我读到的关于 Kohonen 网络的所有内容，尤其是公式中变量的描述，这就是我问的原因。
【问题讨论】：
标签： neural-network
应该区分地图的维数，通常较低（例如，在矩形网格的常见情况下为 2）和参考向量的维数，可以任意高而不会出现问题。
查看http://www.psychology.mcmaster.ca/4i03/demos/competitive-demo.html 以获取具有 49 维输入向量（7x7 像素图像）的好示例。在这种情况下，Kohonen 映射具有 8 个单元的一维环的形式。
另请参阅http://www.demogng.de，了解用于各种 Kohonen 类网络的 java 模拟器，包括像 McMasters 那样的环形网络。然而，参考向量都是二维的，只是为了更容易显示。它们可以具有任意高维度而无需更改算法。
【讨论】：
是的，你需要 50 个神经元。但是，这些类型的网络通常是低维的，如self-organizing map 文章中所述。我从未见过他们使用多个输入。
您必须使用更新公式。来自同一篇文章：Wv(s + 1) = Wv(s) + Θ(u, v, s) α(s)(D(t) - Wv(s))
【讨论】：
Θ(u, v, s)？我在维基百科上找不到任何公式。
是的，每个神经元需要 50 个输入
您基本上是在神经元和目标（输入）神经元之间进行线性插值，并使用W(s + 1) = W(s) + Θ() * α(s) * (Input(t) - W(s))，其中 Θ 是您的邻域函数。
你应该更新你所有的神经元，不仅仅是赢家
您将哪个函数用作邻域函数取决于您的实际问题。 这种函数的一个共同特性是，当 i=k 时它的值为 1，并且随着距离欧几里得距离而下降。此外，它会随着时间而缩小（为了定位集群）。
简单的邻域函数包括线性插值（达到“最大距离”）或高斯函数
【讨论】：