Spisu treści:
- Definicja - Co oznacza mapa samoorganizująca się (SOM)?
- Techopedia wyjaśnia mapę samoorganizującą się (SOM)
Definicja - Co oznacza mapa samoorganizująca się (SOM)?
Samoorganizująca się mapa (SOM) jest rodzajem sztucznej sieci neuronowej, która wykorzystuje uczenie bez nadzoru do budowy dwuwymiarowej mapy przestrzeni problemowej. Kluczowa różnica między samoorganizującą się mapą a innymi podejściami do rozwiązywania problemów polega na tym, że samoorganizująca się mapa wykorzystuje uczenie konkurencyjne, a nie uczenie się z korekcją błędów, takie jak propagacja wsteczna z nachyleniem gradientowym.
Samoorganizująca się mapa może generować wizualną reprezentację danych na siatce sześciokątnej lub prostokątnej. Zastosowania obejmują meteorologię, oceanografię, ustalanie priorytetów projektów oraz poszukiwanie ropy i gazu.
Samoorganizująca się mapa jest również znana jako samoorganizująca się mapa obiektów (SOFM) lub mapa Kohonena.
Techopedia wyjaśnia mapę samoorganizującą się (SOM)
Samoorganizująca się mapa to rodzaj sztucznej sieci neuronowej, która próbuje zbudować dwuwymiarową mapę jakiejś problematycznej przestrzeni. Problematyczna przestrzeń może obejmować wszystko, od głosowań w Kongresie USA, map kolorów, a nawet linków między artykułami z Wikipedii.
Celem jest próba odzwierciedlenia sposobu, w jaki kora wzrokowa w ludzkim mózgu widzi obiekty za pomocą sygnałów generowanych przez nerwy wzrokowe. Celem jest, aby wszystkie węzły w sieci reagowały inaczej na różne dane wejściowe. Samoorganizująca się mapa wykorzystuje konkurencyjną naukę, w której węzły ostatecznie się specjalizują.
Po wprowadzeniu danych wejściowych obliczana jest odległość euklidesowa lub odległość w linii prostej między węzłami, którym przypisano wagę. Węzeł w sieci, który jest najbardziej podobny do danych wejściowych, nazywa się najlepiej dopasowaną jednostką (BMU).
Gdy sieć neuronowa przechodzi przez zestaw problemów, wagi zaczynają przypominać rzeczywiste dane. Sieć neuronowa nauczyła się zatem dostrzegać wzorce w danych tak, jak widzi to człowiek.
Podejście to różni się od innych technik sztucznej inteligencji, takich jak uczenie nadzorowane lub uczenie z korekcją błędów, ale bez wykorzystywania sygnałów błędu lub nagrody do trenowania algorytmu. Tak więc samoorganizująca się mapa jest rodzajem nauki bez nadzoru.
