:)
当我为我的论文提案辩护时，我的一位教授问我为什么我们必须在 SOM 中指定迭代次数？他说，我们停止训练应该有一个收敛标准。
但是，据我所知，我们没有目标向量，因此我们无法将成本降至最低。
我的问题是，首先，为什么需要 MAX_ITERATIONS，其次，是什么让我们确信我们选择的迭代次数会给出最佳 map 。 :(
附言根据经验，我尝试在颜色数据集上使用 1000 次迭代和 10000 次迭代。似乎 10000 次迭代并没有提供比 1000 次更好的可视化效果。:(
最佳答案
因此，您和您的教授都是对的:您应该指定迭代次数的硬性上限和收敛标准。
收敛标准 - 虽然您认为 SOM 是不受监督的，因此没有目标向量，但它们仍然可以被视为最小化某些成本函数。一般来说，大多数无监督机器学习方法都可以尝试做一些事情，比如最小化未解释的方差、最大化信息增益等。特别是对于 SOM，我使用权重增量作为标准。也就是说，当额外的迭代没有改变 SOM 权重超过某个阈值时，停止迭代。
迭代上限 - 即使收敛标准到位，硬上限也是必要的，以防 SOM 不收敛(您不希望它永远运行)。如果您使用我的权重增量示例标准，那么可能会出现权重在迭代之间不断波动的情况，从而导致永远无法满足该标准。
SOMing 快乐!
关于neural-network - 为什么需要自组织映射中的迭代次数？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7872099/