[B! som] kei-sのブックマーク

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

kei-s 2008/01/15

リンク

Department of Computer Science | Aalto University

kei-s 2007/10/12

リンク

Department of Computer Science | Aalto University

Department of Computer Science We are an internationally-oriented community and home to world-class research in modern computer science.

kei-s 2007/10/12

リンク

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

kei-s 2007/09/14

クラスタリング，U-Matrix，主成分分析，ポテンシャル関数法

リンク

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

kei-s 2006/10/24

リンク

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

kei-s 2006/09/15

リンク

[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