「自己組織化写像」の版間の差分

削除された内容 追加された内容
編集の要約なし
編集の要約なし
6行目:
自己組織化写像はコホネンマップ(Kohonen map)、コホネンネットワーク(Kohonen network)、自己組織化マップ、ソム(SOM)などと呼ぶこともある。
 
自己組織化写像は複数の[[人工ニューロン]]([[:en:Artificial neuron]])接続することで構成された構造である。
この[[人工ニューロン]]はノード(node)、もしくはユニット(unit)と呼ぶこともある。
 
17行目:
この対応付けられたベクトルのことを重みベクトルと呼び、この重みベクトルを更新することで学習が行われる。
 
入力層および競合層のノード配置の次元は自由に設定できる。そのため、高次元データの視覚化によく用いられる。
自己組織化写像最も基本的な利用法、2次元上にノードを配置し、高次元データ間に存在する非線形な関係簡単に幾何習させることで高次元データの関係持つ像に変換可視化するいうものる。
このように、自己組織化写像は高次元のデータ間に存在する非線形な関係を簡単に幾何学的関係を持つ像に変換することができる。
通常、競合層は2次元、もしくは3次元に設定される。競合層を2次元に設定すると、平面上に配置されたノードが入力データ間の関係を表現することになる。
 
現在、自己組織化写像には様々なバリエーションがあり、従来の自己組織化写像を基本SOM(Basic SOM, BSOM)と呼ぶことがある。