[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)
複雑な問題へのSOMの応用
教科書的なSOMをデータマイニングに使用した場合の問題点は、次のようなことです。 - データの学習順序によって結果が変わる（再現性が乏しい）。 - ノードの初期値によって結果が変わる（再現性が乏しい）。 - 学習率係数や近傍半径などのパラメータの調整がとても難しい。 - 最大値・最小値の偶然的な値によって結果が影響を受けすぎる。 - 漠然とした画像のマップが得られるだけで厳密な分析にならない。 これでは、まともな結果が得られるはずがありません。データマイニングには、統計解析と完全に統合された改良型のSOM技術を使用しなけらばなりません。 成長バッチSOM ヘルシンキ工科大学のKohonen教授によって最初のSOMアルゴリズム（逐次型SOM）が発表されたのが1982年であり、統計的応用（データマイニング）に適用するためのバッチ型SOMが発表されたのが1992年でした。その研究成果を受けて、1
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
処理を実行中です
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
