自己組織化写像とは? わかりやすく解説

Weblio 辞書 > 同じ種類の言葉 > 人文 > 高等数学 > 写像 > 自己組織化写像の意味・解説 

自己組織化写像

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2024/07/25 01:31 UTC 版)

自己組織化写像(じこそしきかしゃぞう、: Self-organizing maps, SOM, Self-organizing feature maps, SOFM)はニューラルネットワークの一種であり、大脳皮質視覚野をモデル化したものである。自己組織化写像はコホネンによって提案されたモデルであり、教師なし学習によって入力データを任意の次元へ写像することができる。主に1~3次元への写像に用いられ、多次元のデータの可視化が可能である。出力となる空間をマップ (map)、競合層 (competitive layer)、もしくは出力層 (output layer) と呼ぶ。出力層に対して入力データの空間を入力層(input layer)と呼ぶこともある。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が接続された構造である。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。

定性的紹介

自己組織化写像は入力層と競合層(出力層)からなる2層構造の教師なし学習ニューラルネットワークである。入力層は単に入力を与えるだけであるため、競合層のみを単に自己組織化写像と呼ぶこともある。

入力は


自己組織化写像

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/03/23 09:35 UTC 版)

ニューラルネットワーク」の記事における「自己組織化写像」の解説

自己組織化写像はコホネンが1982年提案した教師なし学習モデルであり、多次元データクラスタリング可視化などに用いられる自己組織化マップ、コホネンマップとも呼ばれる。 自己組織化写像 学習ベクトル量子化英語版

※この「自己組織化写像」の解説は、「ニューラルネットワーク」の解説の一部です。
「自己組織化写像」を含む「ニューラルネットワーク」の記事については、「ニューラルネットワーク」の概要を参照ください。

ウィキペディア小見出し辞書の「自己組織化写像」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



自己組織化写像と同じ種類の言葉


英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「自己組織化写像」の関連用語

自己組織化写像のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



自己組織化写像のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
All text is available under the terms of the GNU Free Documentation License.
この記事は、ウィキペディアの自己組織化写像 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。 Weblio辞書に掲載されているウィキペディアの記事も、全てGNU Free Documentation Licenseの元に提供されております。
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaのニューラルネットワーク (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS