SOM神经网络常用于解决旅行商问题(Travelling Salesman Problem,TSP) 即在地图上给定一系列城市和各城市之间的距离,求解遍历这些城市的最短路径。
SOM神经算法的原理:每次训练,获胜神经元(响应最强)及其近邻神经元的权值向量都会更新,反复的竞争与更新,神经网络最终学到输入数据的模式(城市的空间关系)。
SOM 自组织映射的结构:输入层、全连接(权值矩阵)、输出层(特征映射)。
通过一组随机生成的数据作为训练数据,包含六个维度的参数,新的数据利用SOM神经算法拟合训练数据向量。
回龙观地区作为北京最大的居住组团之一,因其居住密度过大和混合功能空间不足造成城市空间不适,方案通过SOM神经算法建立生存游戏,旨在创造丰富功能的城市空间。
获胜神经元一定半径内的神经元会被更新,代表城市空间不断扩张的过程中,生存下来的空间会带动其周边的空间。最终拟合到目标空间时,周边会形成相应的分布。