Obsah:
Definice - Co znamená Self-Organizing Map (SOM)?
Samoorganizovaná mapa (SOM) je typ umělé neuronové sítě, která využívá učení bez dozoru k vytvoření dvourozměrné mapy problémového prostoru. Klíčový rozdíl mezi samoorganizační mapou a jinými přístupy k řešení problémů je v tom, že samoorganizační mapa používá spíše konkurenční učení než učení korekce chyb, jako je backpropagation s gradientem sestupu.
Samoorganizovaná mapa může generovat vizuální reprezentaci dat na hexagonální nebo pravoúhlé mřížce. Aplikace zahrnují meteorologii, oceánografii, prioritizaci projektu a průzkum ropy a plynu.
Samoorganizující se mapa je také známa jako samoorganizující se rysová mapa (SOFM) nebo mapa Kohonen.
Techopedia vysvětluje samoorganizační mapu (SOM)
Samoorganizovaná mapa je typ umělé neuronové sítě, která se pokouší vytvořit dvourozměrnou mapu nějakého problémového prostoru. Problémovým prostorem mohou být cokoli od hlasů v americkém Kongresu, map barev a dokonce i odkazů mezi články z Wikipedie.
Cílem je pokusit se zrcadlit způsob, jakým vizuální kůra v lidském mozku vidí objekty pomocí signálů generovaných optickými nervy. Cílem je, aby všechny uzly v síti reagovaly odlišně na různé vstupy. Samoorganizovaná mapa využívá konkurenčního učení tam, kde se uzly nakonec specializují.
Při přivádění vstupních dat se vypočítá euklidovská vzdálenost nebo přímá vzdálenost mezi uzly, které dostanou váhu. Uzel v síti, který je nejvíce podobný vstupním datům, se nazývá jednotka nejlepší shody (BMU).
Jak se neuronová síť pohybuje problémem, hmotnosti začínají vypadat spíše jako skutečná data. Neuronová síť se tak vyškolila, aby viděla vzory v datech tak, jak to člověk vidí.
Tento přístup se liší od ostatních technik AI, jako je učení pod dohledem nebo učení o opravě chyb, ale bez použití chybových nebo odměňovacích signálů pro trénování algoritmu. Samoorganizující se mapa je tedy druh učení bez dozoru.
