自组织映射（Self-organization map | SOM）

文章目录

百度百科版本

自组织神经网络SOM是基于无监督学习方法的神经网络的一种重要类型。自组织映射网络理论最早是由芬兰赫尔辛基理工大学Kohen于1981年提出的。此后，伴随着神经网络在20世纪80年代中后期的迅速发展，自组织映射理论及其应用也有了长足的进步。

查看详情

维基百科版本

自组织映射（SOM）或自组织特征映射（SOFM）是一种类型的人工神经网络（ANN），其使用已训练的无监督学习以产生低维（通常为二维），离散的表示训练样本的输入空间，称为地图，因此是一种减少维数的方法。自组织映射与其他人工神经网络不同，因为它们应用竞争学习而不是纠错学习（例如具有梯度下降的反向传播）），从某种意义上说，他们使用邻域函数来保留输入空间的拓扑属性。

这使得SOM 通过创建高维数据的低维视图（类似于多维缩放）对可视化非常有用。芬兰教授Teuvo Kohonen在20世纪80年代引入的人工神经网络有时被称为Kohonen地图或网络。Kohonen网是一种计算上方便的抽象，建立在20世纪70年代神经系统的生物模型上和形态发生模型可追溯到20世纪50年代的阿兰图灵。

查看详情