home *** CD-ROM | disk | FTP | other *** search
/ HPAVC / HPAVC CD-ROM.iso / SNNSV32.ZIP / SNNSv3.2 / examples / som_cube.README < prev    next >
Text File  |  1994-04-25  |  3KB  |  78 lines
  1. =============================================================================
  2.     README file for the example files som_cube.xxx
  3. =============================================================================
  4.  
  5.  
  6. Description:    Self-organizing map cube example
  7. ============    
  8.  
  9. The files som_cube.xxx describe network and pattern files used to
  10. demonstrate the use of the self-organizing map (SOM, Kohonen map) in
  11. SNNS. The eight training patterns are the verteces of a
  12. three-dimensional cube of size 2x2x2 centered at the origin, with
  13. vertex coordinates from (-1, -1, -1) to (1, 1, 1).
  14. The self-organizing map is a two-dimensional 16x16 grid of neurons.
  15. The three-dimensional input vectors are mapped to different positions
  16. of the two-dimensional map.
  17.  
  18. See the user manual for a more detailed description of the SOM
  19. implementation in SNNS and its usage.
  20.  
  21.  
  22. Network-Files:    som_cube.net
  23. ==============
  24.  
  25. This network file contains a trained SOM network for the cube verteces
  26. task described above. The self-organizing map is a two-dimensional
  27. 16x16 grid of neurons. The standard configuration file for this
  28. network is som_cube.cfg (one 2D display only).
  29.  
  30.  
  31. Pattern-Files:    som_cube.pat
  32. ==============    
  33.  
  34. The eight training patterns (only input patterns, no output pattern)
  35. are the verteces of a three-dimensional cube of size 2x2x2 centered at
  36. the origin, with vertex coordinates from (-1, -1, -1) to (1, 1, 1).
  37.  
  38.  
  39. Miscellaneous:    som_cube.cont
  40. ==============
  41.  
  42. The file  som_cube.cont is a control file for the tool convert2snns
  43. (in the SNNS tools subdirectory) to create a SOM  with 3 components
  44. and grid 16x16.
  45.  
  46.  
  47. Hints:
  48. ======
  49.  
  50. Note to open the control panel before opening the special Kohonen
  51. panel. This special panel allows you to view vector component maps of
  52. any input dimension of the map.
  53.  
  54. Note one point of frequent confusion: The button WINNER in the Kohonen
  55. panel tests *all* patterns of the currently active pattern file and for
  56. each winner neuron it displays the pattern number of the input pattern
  57. for which the neuron was winner, on top of the neuron. To see these
  58. numbers you must have specified "units top : ON SHOW winner" in the
  59. SETUP panel of the 2D network display window.  (These numbers are
  60. better recognized if the neuron grid is made smaller and the values
  61. displayed at the bottem of the neurons are switched off).
  62.  
  63. If a neuron is actived twice as winner for different input patterns,
  64. the later input pattern number overwrites the earlier number.
  65. Therefore, it may happen that not all pattern numbers appear on top of
  66. the neurons.
  67.  
  68. The confusion stems from the fact that upon pressing the WINNER button
  69. in the Kohonnen panel, *all* patterns are tested and the activation of
  70. the last input pattern is displayed in the 2D display. This is always
  71. the same input pattern and the same Kohonen neuron, regardless of what
  72. pattern has been specified in the remote panel before.
  73.  
  74.  
  75. =============================================================================
  76.     End of README file
  77. =============================================================================
  78.