نقشه خودسازماندهی (SOM)، همچنین به عنوان نقشه کوهونن شناخته می شود، نوعی تکنیک شبکه عصبی مصنوعی است که برای نقشه برداری و تجسم داده های با ابعاد بالا در ابعاد پایین تر استفاده می شود. این یک الگوریتم یادگیری ماشینی است که از یادگیری بدون نظارت برای یافتن الگوها و روابط مشترک در داده های ورودی استفاده می کند. شبکه از شبکه ای از گره ها تشکیل شده است که در آن هر گره با بردار وزنی مرتبط است که نشان دهنده یک نقطه در فضای ورودی است. در طول آموزش، داده های ورودی به طور مکرر به شبکه ارائه می شوند و هر گره با گره های همسایه خود رقابت می کند تا برنده یا بهترین واحد تطبیق (BMU) برای ورودی مشخص شود. سپس وزن گره برنده و همسایه‌های آن برای نزدیک‌تر شدن به نقطه داده ورودی تنظیم می‌شود و به SOM اجازه می‌دهد به تدریج ساختار و توپولوژی داده‌ها را بیاموزد. در پایان آموزش، SOM را می توان به عنوان یک نقشه دو بعدی که در آن بردارهای ورودی مشابه در کنار هم قرار گرفته اند، تجسم کرد. بنابراین، نقشه‌های خودسازمانده معمولاً برای کارهایی مانند خوشه‌بندی، تجسم و کاهش ابعاد استفاده می‌شوند.
تاریخ انتشار: