自组织映射(Self-organizing map, SOM)通过学习输入空间中的数据，生成一个低维、离散的映射(Map)，从某种程度上也可看成一种 降维算法 。 SOM是一种 无监督 的人工神经网络。

A self-organizing map (SOM) or self-organizing feature map (SOFM) is an unsupervised machine learning technique used to produce a low-dimensional (typically two-dimensional) …

2024年12月2日 · 自组织映射（Self-Organizing Map, SOM）是一种无监督学习的神经网络模型，由芬兰科学家Teuvo Kohonen在1982年提出。它主要用于数据可视化和降维，尤其是在高 …

自组织映射 (SOM) 是众所周知的 神经网络 技术子类型,术语“自组织”是指在没有为输入模式提供相应的依赖输出值的情况下学习和组织信息的能力。 SOM 使用强大的模式分析和聚类方法，同 …

2023年7月4日 · 自组织映射 （Self-Organizing Maps，SOM）作为一种神经网络模型的灵感来自大脑皮层映射的拓扑性质。我们的视觉输入、触觉输入和听觉输入均非直接输入给大脑，而是先 …

2019年10月29日 · SOM的主要目标是将任意维度的输入信号模式 转换 为一维或二维离散映射，并以拓扑有序的方式自适应地执行这种变换。 因此，我们通过将神经元放置在一维或二维的网 …

2022年1月6日 · 自组织映射 (self-organizing map, SOM)又称自组织特征映射、 Kohonen 网络，是一种竞争学习型的无监督神经网络。 SOM 将高维数据映射到具有简单几何结构和相互关系的 …

2023年8月27日 · 芬兰教授 Teuvo Kohonen 在1980年代提出的自组织地图或SOM提供了一种在保留数据拓扑的同时对数据集进行低维和离散化表示的方法，称为“地图”。 目标是学习一个以类 …

2023年9月17日 · 自组织映射（Self-Organizing Maps，简称SOM）是一种无监督学习算法，用于将高维数据映射到低维空间中，同时保持数据的拓扑结构。 它的工作原理受到了人类大脑中 …

2018年12月21日 · SOM 即自组织映射，是一种用于特征检测的无监督学习神经网络。 它模拟人脑中处于不同区域的神经细胞分工不同的特点，即不同区域具有不同的响应特征，而且这一过程 …