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)
機械学習および データマイニング |
---|
![]() |
![]() |
自己組織化写像(じこそしきかしゃぞう、英: 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、大脳皮質の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年に提案した教師なし学習モデルであり、多次元データのクラスタリング、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。
自己組織化写像と同じ種類の言葉
- 自己組織化写像のページへのリンク