Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2013 | OriginalPaper | Buchkapitel

7. Self-organizing Maps

verfasst von : Rudolf Kruse, Christian Borgelt, Frank Klawonn, Christian Moewes, Matthias Steinbrecher, Pascal Held

Erschienen in: Computational Intelligence

Verlag: Springer London

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Self-organizing maps are closely related to radial basis function networks. They can be seen as radial basis function networks without an output layer, or, rather, the hidden layer of a radial basis function network is already the output layer of a self-organizing map. This output layer also has an internal structure, since the neurons are arranged in a grid. The neighborhood relationships resulting from this grid are exploited in the training process in order to determine a topology preserving map.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Radial Basis Function Networks
Nächstes Kapitel Hopfield Networks
Fußnoten
1
Note that the distance is computed from the grid, in which the output neurons are arranged, and not from the position of the reference vectors or the distance measure in the input space.
 
Literatur
F. Aurenhammer. Voronoi Diagrams—A Survey of a Fundamental Geometric Data Structure. ACM Computing Surveys 23(3):345–405. ACM Press, New York, NY, USA, 1991 CrossRef
T. Kohonen. Self-organized Formation of Topologically Correct Feature Maps. Biological Cybernetics. Springer-Verlag, Heidelberg, Germany, 1982
T. Kohonen. Learning Vector Quantization for Pattern Recognition. Technical Report TKK-F-A601. Helsinki University of Technology, Finland, 1986
T. Kohonen. Improved Versions of Learning Vector Quantization. Proc. Int. Joint Conference on Neural Networks (IJCNN 1990, San Diego, CA), 1:545–550. IEEE Press, Piscataway, NJ, USA, 1990 CrossRef
T. Kohonen. Self-Organizing Maps. Springer-Verlag, Heidelberg, Germany, 1995 (3rd ext. edition 2001) CrossRef
S. Seo and K. Obermayer. Soft Learning Vector Quantization. Neural Computation 15(7):1589–1604. MIT Press, Cambridge, MA, USA, 2003 MATHCrossRef
Metadaten
Titel
Self-organizing Maps
verfasst von
Rudolf Kruse
Christian Borgelt
Frank Klawonn
Christian Moewes
Matthias Steinbrecher
Pascal Held
Copyright-Jahr
2013
Verlag
Springer London
Buch
Computational Intelligence

Print ISBN: 978-1-4471-5012-1

Electronic ISBN: 978-1-4471-5013-8

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-1-4471-5013-8_7