trainiert eine selbstorganisierende Merkmalskarte (engl. 'self organizing map', SOM).
[SOMWeights] = TrainSOM(Samples, InitialWeights, GridSize, LearningRate, LearningRateParameter, Neighborhood, NeighborhoodParameter, NormType)
Matrix, die Trainingsvektoren als Zeilen enthält
Matrix, die anfängliche Gewichtsvektoren als Zeilen enthält
Vektor oder Skalar, gibt die Anzahl der Neuronen pro Dimension an. Alle Elemente müssen größer als eins sein.
Lernrate, Funktion des Zeitschrittes und eines weiteren Parameters
zweiter Parameter von LearningRate(), Typ beliebig
Nachbarschaft, Funktion der Distanz, des Zeitschrittes und eines weiteren Parameters
Dritter Parameter von Neighborhood(), Typ beliebig
Norm der Vektoren, ist Skalar größer als null, kann %inf sein
Matrix, die resultierende Gewichtsvektoren als Zeilen enthält
Diese Funktion trainiert eine selbstorganisierende Merkmalskarte (engl. 'self organizing map', SOM)
T. Kohonen, 'Self-organizing maps', Springer Verlag, Berlin, 2001