目次:
定義-自己組織化マップ（SOM）とはどういう意味ですか？
自己組織化マップ（SOM）は、教師なし学習を使用して問題空間の2次元マップを作成する人工ニューラルネットワークの一種です。 自己組織化マップと問題解決への他のアプローチの主な違いは、自己組織化マップが勾配降下による逆伝播などのエラー修正学習ではなく競合学習を使用することです。
自己組織化マップは、六角形または長方形のグリッド上にデータの視覚的表現を生成できます。 アプリケーションには、気象学、海洋学、プロジェクトの優先順位付け、石油およびガス探査が含まれます。
自己組織化マップは、自己組織化機能マップ（SOFM）またはKohonenマップとも呼ばれます。
Techopediaは自己組織化マップ（SOM）について説明します
自己組織化マップは、ある種の問題空間の2次元マップを作成しようとする人工ニューラルネットワークの一種です。 問題の空間は、米国議会での投票、色の地図、さらにはウィキペディアの記事間のリンクまで何でもかまいません。
目標は、視神経によって生成された信号を使用して、人間の脳の視覚皮質がオブジェクトを見る方法を反映しようとすることです。 目的は、ネットワーク内のすべてのノードが異なる入力に対して異なる応答をするようにすることです。 自己組織化マップは、ノードが最終的に専門化する競争学習を利用します。
入力データが供給されると、ユークリッド距離、または重みが与えられたノード間の直線距離が計算されます。 入力データに最も類似しているネットワーク内のノードは、ベストマッチングユニット（BMU）と呼ばれます。
ニューラルネットワークが問題セット内を移動すると、重みは実際のデータのように見え始めます。 このように、ニューラルネットワークは、人間が見るようにデータのパターンを見るように自らを訓練しました。
このアプローチは、教師あり学習やエラー修正学習などの他のAI手法とは異なりますが、アルゴリズムをトレーニングするためにエラーまたは報酬信号を使用しません。 したがって、自己組織化マップは、教師なし学習の一種です。
