はてなブログ | 無料ブログを作成しよう
写真で振り返る京都旅行 先日文学フリマ京都8に参加するため初めて1人で京都へ行ってきました。随分時間が経ってしまったのでもうブログにまとめなくていいか、と思っていましたが、せっかくなので写真をメインに記録しておこうと思います。 出発▷▶︎▷▶︎わくわく新幹線！ 新幹線初心者すぎてか…
【調査】 自己組織化マップ（SOM）
【調査】 自己組織化マップ（SOM） 金 美和，廣安 知之，三木 光範 ISDL Report No. 20030604003 2003年 6月 6日 Abstract 多目的最適化問題では目的関数が複数存在するため, パレート最適解の次元は目的関数の数に依存する. よってパレート最適解が高次元だった場合, パレート最適解集合の分布を把握することは難しく, 選好解の決定は困難となる. そこで今回, 大量のデータの中に存在する, ある傾向や相関関係などの情報を見付け出すための技術・手法である自己組織化マップ（SOM）について調査した. SOMは多次元のベクトルにより表されたデータを, その特徴を残し他のデータとの相互関係を保ったまま, ２次元のマップに写像することが出来る. それによって, 多次元のデータの関係が２次元平面上の距離として表され, 視覚的に理解しやすいという特徴を持ってい
自己組織化マップ(Self-Organizing Maps)の基礎
自己組織化マップ(Self-Organizing Maps)の基礎 伊藤 冬子, 廣安 知之, 三木 光範 ISDL Report No. 20050822007 2006年 1月 8日 Abstract 自己組織化マップ(Self-Organizing Maps, SOM)はニューラルネットワークの一種である. 多次元のデータを2次元に写像することが可能であり, 高次元空間の可視化に用いることが可能である. またこれらの多次元のデータを予備知識なしでクラスタリング可能である. 本報告では, 多次元データの可視化, クラスタリングを目的とし, SOMを調査した. また, 無料配布されているSOMのパッケージSOM_PAKを実際に利用した. 1 はじめに 各分野で取り扱われるデータは多次元であることが多い. また, データごとの特徴などの予備知識が ない中で, その分類や
CloudMap - 直感型「３次元」コンテンツ検索
自律神経失調症の治療費は、現役世代なら3割負担で済みます。自営業の方なら国民健康保険、会社に勤めている方なら社会保険が適用されるので、治療費は実際にかかる金額の3割を払うだけで良いのです。でも、実際に自律神経失調症にかかる費用はどのくらいなのでしょうか。 自律神経失調症の治療には、数ヶ月～5年以上かかる人まで実に様々です。医師による診察料は、1回につき2,000～4,000円です。これにカウンセリング料5,000～10,000円、漢方薬1か月分5,000～10,000円、鍼灸治療2,000～5,000円が組み合わされます。いずれも医師が必要と認めた場合は、治療費の負担は3割で済むので、1回の来院で1万円以上かかるということはほとんどありません。 しかし、病気中の人には痛い出費かもしれません。もし自律神経失調症の治療費の捻出が難しいようであるのならば、公的な扶助の自立支援医療費制度に頼ってみ
出力層ユニットを実数値座標に配置するSOM
概要 T. Kohonenの自己組織化マップ(SOM)は、複数の属性からなる入力データを教師なしで自動的に分類する手法です。一例として、従来のSOMの結果を次に示します。従来のSOMでは出力層ユニットを2次元平面上にマス目状に配置するため、出力結果の表現が制限されます。 そこで、出力層ユニットを実数座標上に自由に配置するように、自己組織化マップを拡張しました。可視化にはユニットの座標を母点としたボロノイ図を用います。これによって、近傍領域も出力層上のユニットの配置に合わせて様々な形にとることができ、曲面などへの配置も容易となります。さらに、ユニットの移動や削除を行い、少ないユニットでも見やすい図を表示することができるようにします。 RSOMの結果を次に示します。いくつかの図で線の太さが異なるのは、ユニット同士が似ているなら細線で、似ていないなら太線で境界線を表示するようにしているためです
自己組織化マップ（SOM：Self Organizing Maps） − ホーム
自己組織化マップ（SOM：Self Organizing Maps）のソースプログラムの活用方法について 説明しています。
日本化学会・ケモインフォマティクス部会 – Divison of Chemoinformatics, The Chemical Society of Japan
日本化学会・ケモインフォマティクス部会 Divison of Chemoinformatics, The Chemical Society of Japan ケモインフォマティクス部会は日本化学会の部会の一つで、化学研究への情報・計算機の活用をテーマとしたケモインフォマティクス部会と改称しました。以前は「情報化学部会」でしたが、昨今「ケモインフォマティクス」という用語が一般に使われるようになり、また、わかりやすいとのこともあり「ケモインフォマティクス部会」と改称しました。現在の部会員数は約300人で、産学官の幅広い分野にわたっています。我が国のケモインフォマティクス分野の発展、普及のために活発に活動しています。化学・化学工業あるいは他の分野で、最新の情報技術・コンピュータ技術を求められている研究者、技術者、学生の方々には、ケモインフォマティクス部会に入会され有益な知識・交流の場を積極的に利
HUT - CIS - Research - SOM_PAK, LVQ_PAK
SOM_PAK and LVQ_PAK Two public-domain softare packages, SOM_PAK for the Self-Organizing Map algorithm and LVQ_PAK for the Learning Vector Quantization algorithms are provided (current versions are 3.1). These program packages have been developed to demonstrate the implementation of these algorithms and to ease first experiments. Downloading using WWW Both program packages SOM_PAK and LVQ_PAK, as w
)
RでSOM(自己組織化マップ) - RjpWiki
データ入力 コホネンのSOM_PAKのサンプル・データ ex.dat を使う この ex.dat は、som_pak パッケージに含まれている。 ex.dat の構成は以下ようになっている。 5 13.575570 12.656892 -1.424328 -2.302774 404.921600 13.844373 12.610620 -1.435429 -1.964423 404.978180 13.996934 12.669785 -1.384147 -1.830788 405.187378 14.060876 12.755087 -1.378407 -2.020230 404.892548 (以下中略) 24.066832 22.776152 -0.371480 1.382585 409.522491 23.332212 22.386673 -0.440821 0.525516 4
タグクラウドの次はSOM…かなあ ローキック・キーロック
Web2.0でよく使われるようになったタギング、そしてタグの見方のひとつとしてタグクラウドがある。タグクラウドが、ただのリスト形式よりもよい点は以下。 よく見るものほど大きく、見やすく ただし、こちら を見てもらえれば、各要素は単にアルファベット順にならんでいるだけであることがわかるだろう。 ここで、タグクラウドの次の段階としてSOM（Self Organizing Map：自己組織化マップ）を紹介したい。SOM自体は大学でコンピュータ系の学科で習うものだが、以下の特徴がある。 よく見るものほど大きく、見やすく 関連のあるものは近くに SOMの例としては、日経225銘柄のマップが近い（厳密にはSOMではないが、例として）。業種ごとにまとまり、１銘柄の動向、業種ごとの動向が非常によく見て取れると思う。 近いものどうしでカタマリとしてまとまっていれば見やすさが向上するので、この方向性はアリでは
[自己組織化写像] - Wikipedia
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
![[自己組織化写像] - Wikipedia](https://cdn-ak-scissors.b.st-hatena.com/image/square/ca8ebce88f8a50de73de64efc935b210220d88b4/height=288;version=1;width=512/https%3A%2F%2Fupload.wikimedia.org%2Fwikipedia%2Fcommons%2Fthumb%2Ff%2Ffe%2FKernel_Machine.svg%2F1200px-Kernel_Machine.svg.png)
SOM
SOMとは 自己組織化マップ(Self-Organizing Map, SOM)は，T.Kohonenにより1981年頃に発表された教師なし学習ニューラルネットワークで，入力パターン群をその類似度に応じて分類する能力を自律的に獲得していくニューラルネットワークである．n次元の入力データ群をニューロンの１次元配列にマッピングするものを１次元SOM，２次元配列にマッピングするものを２次元SOMという．SOMでは，入力データに対して，そのデータの特徴を最もよく捉えたある１つのニューロンが発火する．SOMは，入力データ間の近さが，１次元または２次元配列上で発火するニューロンの近さに反映される「トポロジー保存性」という特徴を持つ． SOMのアルゴリズム 入力データがn次元実数ベクトルx=(x1,x2,...,xn)で与えられ，２次元SOMがm*m(=M)個の格子点上に配置されたニューロンを持つとする
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ネット学習して『モナー』も描ける、東工大のロボット
http://mikilab.doshisha.ac.jp/dia/research/report/2005/0909/009/report20050909009.html
https://dndpf.dndi.jp/dnd01/inspect_article.cgi?mode=a&pmode=tl&bo=87&mid=002101c28546%246066a5e0%240200a8c0%40note1
TSP solving
Neuronale Netze