自己組織化マップ
SOMはニューラルネットワークの一種で 与えられた入力情報の類似度をマップ上での距離で表現するモデルです． 技術が発達した現代では複雑な情報が数多く存在します． しかしそのような高次元データを人間が瞬時に理解することは困難です． SOMは高次元データの中に存在する傾向や相関関係の発見などに応用することができ 人間が高次元データを視覚的に理解する手助けを行ってくれます． SOMの特徴を一言であげるとすれば 様々な高次元データを予備知識なし（教師なし）にクラスタリングできる点にあります． またこれが自己組織化といわれる所以です． SOMは主にデータマイニングの１手法として応用され， データの分類，視覚化，要約などを得意としています． 現在ではプロセス解析，制御，検索システム，さらには経営のための情報分析など 実社会において重要な分野へ応用されています． SOMは規則的
子供でもわかる「自己組織化マップ」
この内容は拙著『単純な脳､複雑な｢私｣』の巻末に「付論」として掲載されたもので、 脳科学講義として高校生たちに説明したときの録音テープから起こした文章です。 （朝日出版社の許可を得てここに掲載しております） さて、おまけの講義では、時間に余裕がある人だけに、追加の話をしたい。 ニューロンのネットワークのシミュレーションの話だ。 ここに縦10×横10の全１００個のマスがあるね。マスの１個１個がニューロンだと思ってね。まず、それぞれのマスにランダムに色を割り当てておく。 色というのは３原色だよね。赤（Ｒ）、緑（Ｇ）、青（Ｂ）。だから、色は（r, g, b）のベクトルだと思ってもらっていい。（r, g, b）のすべての数値がどれもゼロだったら「黒」、これが全部１００％だったら「白」。（１００、１００、0）だったら「黄色」だ。モニターの画面はこの原理で色がつけられている。 そんな具合に、（r, g
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
