は自己組織化マップ(英語で「self organizing map」と呼ばれて、略は「SOM」だ)の学習を行う
[SOMWeights] = TrainSOM(Samples, InitialWeights, GridSize, LearningRate, LearningRateParameter, Neighborhood, NeighborhoodParameter, NormType)
学習のベクトルを含む行列で、ベクトルは行である
初期のウェイトを含む行列で、ウェイトは行である
各次元におけるニューロンの数を表すベクトル又はスカラーである。構成要素が1つを超える必要はある
学習率で、時及び別のパラメータに依存する関数である
LearningRate()における2つ目のパラメータで、何の型でも可能である
距離、時及び別のパラメータに依存する関数である
Neighborhood()における3つ目のパラメータで、何の型でも可能である
ベクトルにおけるノルムで、ゼロを超える数で、無限(%inf)である可能性がある
最終のウェイトを含む行列で、ウェイトは行である
本関数は自己組織化マップ(英語で「self organizing map」と呼ばれて、略は「SOM」だ)の学習を行う。
T. Kohonen, 'Self-organizing maps', Springer Verlag, Berlin, 2001