Turinys:
- Apibrėžimas - ką reiškia savarankiškai organizuojamas žemėlapis (SOM)?
- „Techopedia“ paaiškina savarankiškai organizuojantį žemėlapį (SOM)
Apibrėžimas - ką reiškia savarankiškai organizuojamas žemėlapis (SOM)?
Savarankiškai organizuojamas žemėlapis (SOM) yra dirbtinio neuronų tinklo tipas, kuris naudoja neprižiūrimą mokymąsi sudaryti dvimatį probleminės erdvės žemėlapį. Pagrindinis skirtumas tarp savarankiškai organizuojančio žemėlapio ir kitų požiūrio į problemų sprendimą yra tas, kad savarankiškai organizuojančiame žemėlapyje naudojamas konkurencingas mokymasis, o ne klaidų taisymo mokymasis, pavyzdžiui, grįžimas prie gradiento nusileidimo.
Savarankiškai organizuojamas žemėlapis gali generuoti vaizdinį duomenų pateikimą į šešiakampį arba stačiakampį tinklelį. Programos apima meteorologiją, okeanografiją, projekto prioritetų nustatymą ir naftos bei dujų žvalgymą.
Savarankiškai organizuojamas žemėlapis taip pat žinomas kaip savarankiškai organizuojamas funkcijų žemėlapis (SOFM) arba Kohonen žemėlapis.
„Techopedia“ paaiškina savarankiškai organizuojantį žemėlapį (SOM)
Savarankiškai organizuojamas žemėlapis yra dirbtinio neuroninio tinklo tipas, kuriuo bandoma sudaryti dvimatį tam tikros probleminės erdvės žemėlapį. Problemos vieta gali būti bet kokia - balsai JAV Kongrese, spalvų žemėlapiai ir net nuorodos tarp Vikipedijos straipsnių.
Tikslas yra bandymas atspindėti tai, kaip regos žievė žmogaus smegenyse mato objektus, naudodama optinių nervų generuojamus signalus. Tikslas yra priversti visus tinklo mazgus skirtingai reaguoti į skirtingus įėjimus. Savarankiškai organizuojamas žemėlapis naudojasi konkurenciniu mokymu, kai mazgai galiausiai specializuojasi.
Pateikiant įvesties duomenis, apskaičiuojamas atstumas tarp euklidų arba tiesinis atstumas tarp mazgų, kuriems suteikiamas svoris. Tinklo mazgas, labiausiai panašus į įvesties duomenis, vadinamas geriausiu atitikimo vienetu (BMU).
Neuroniniam tinklui judant per problemų rinkinį, svoriai pradeda atrodyti kaip tikri duomenys. Taigi neuroninis tinklas išmokė matyti duomenų modelius taip, kaip mato žmogus.
Šis požiūris skiriasi nuo kitų PG metodų, tokių kaip prižiūrimas mokymasis ar klaidų taisymo mokymasis, tačiau algoritmui treniruotis nenaudojant klaidų ar atlygio signalų. Taigi savarankiškai organizuojamas žemėlapis yra savotiškas neprižiūrimas mokymasis.
