Taula de continguts:
- Definició: què significa un mapa d’autoorganització (SOM)?
- Techopedia explica el mapa d'autoorganització (SOM)
Definició: què significa un mapa d’autoorganització (SOM)?
Un mapa autoorganitzador (SOM) és un tipus de xarxa neuronal artificial que utilitza aprenentatges no supervisats per construir un mapa bidimensional d’un espai problemàtic. La diferència clau entre un mapa autoorganitzador i altres enfocaments per a la resolució de problemes és que un mapa autoorganitzador utilitza aprenentatge competitiu en lloc d’aprenentatge de correcció d’errors com ara la propagació posterior amb descendència en gradient.
Un mapa autoorganitzador pot generar una representació visual de les dades en una graella hexagonal o rectangular. Les aplicacions inclouen meteorologia, oceanografia, priorització de projectes i exploració de petroli i gas.
Un mapa autoorganitzador també es coneix com a mapa de funcions autoorganitzants (SOFM) o mapa de Kohonen.
Techopedia explica el mapa d'autoorganització (SOM)
Un mapa autoorganitzador és un tipus de xarxa neuronal artificial que intenta construir un mapa bidimensional d'algun espai problemàtic. L’espai problemàtic pot ser qualsevol cosa, des de vots al Congrés dels Estats Units, mapes de colors i fins i tot enllaços entre articles de Wikipedia.
L’objectiu és intentar reflectir la manera com la còrtex visual al cervell humà veu objectes mitjançant senyals generats pels nervis òptics. L’objectiu és fer que tots els nodes de la xarxa responguin de manera diferent a diferents entrades. Un mapa autoorganitzador fa ús d'aprenentatges competitius on els nodes eventualment s'especialitzen.
Quan es proporcionen dades d’entrada, es calcula la distància euclidiana, o la distància recta entre els nodes, que tenen un pes. El node de la xarxa que s’assembla més a les dades d’entrada s’anomena unitat de coincidència millor (BMU).
A mesura que la xarxa neuronal es mou pel conjunt de problemes, els pesos comencen a semblar-se a les dades reals. La xarxa neuronal s’ha entrenat així per veure patrons en les dades de la manera que veu un humà.
L’enfocament difereix d’altres tècniques d’AI com ara l’aprenentatge supervisat o l’aprenentatge de correcció d’errors, però sense utilitzar senyals d’error ni de recompensa per formar un algorisme. Així, un mapa d’autoorganització és una mena d’aprenentatge no supervisat.
