En självorganiserande karta (SOM), även känd som en Kohonen-karta, är en typ av artificiell neurala nätverksteknik som används för att kartlägga och visualisera högdimensionell data i lägre dimensioner. Det är en maskininlärningsalgoritm som använder oövervakad inlärning för att hitta vanliga mönster och samband inom indata. Nätverket består av ett rutnät av noder, där varje nod är associerad med en viktvektor som representerar en punkt i inmatningsutrymmet. Under träning presenteras indata iterativt för nätverket, och varje nod tävlar med sina närliggande noder om att bli vinnaren eller den bästa matchande enheten (BMU) för en given ingång. Vikterna för den vinnande noden och dess grannar justeras sedan för att flytta närmare indatapunkten, vilket gör att SOM gradvis kan lära sig den underliggande strukturen och topologin för datan. I slutet av träningen kan SOM visualiseras som en tvådimensionell karta där liknande indatavektorer är klustrade tillsammans. Därför används självorganiserande kartor ofta för uppgifter som klustring, visualisering och dimensionsreduktion.
Publiceringsdatum: