自组织竞争神经网络：竞争学习规则与应用

"自组织竞争人工神经网络是一种模拟生物神经系统中‘侧抑制’现象的网络模型，主要用于模式识别和分类。这种网络通过竞争学习规则来调整权值，使得网络能区分和学习不同输入模式的特征。在竞争网络中，获胜节点的权值会根据输入矢量进行调整，以减小权值与输入矢量之间的差异，进而将相似的输入归为一类。学习速率lr在0.01到0.3之间，用于控制权值更新的速度。内星和外星是格劳斯贝格提出的两种神经元模型，内星用于识别矢量，外星用于生成矢量。内星学习规则采用硬限制函数，通过不断调整权值使内星响应特定输入矢量，当输出保持高值时，权值将逐渐接近输入矢量，实现学习。在多个输入矢量存在的情况下，每个矢量需先进行单位归一化处理，然后通过竞争过程更新权值，形成不同的类别表示。这种竞争学习机制是许多其他神经网络模型的基础，增强了模式识别和分类的能力。"