차례:
정의-자체 구성 맵 (SOM)이란 무엇입니까?
자체 구성 맵 (SOM)은 비지도 학습을 사용하여 문제 공간의 2 차원 맵을 작성하는 인공 신경 네트워크 유형입니다. 자체 구성 맵과 문제 해결에 대한 다른 접근 방식의 주요 차이점은 자체 구성 맵은 그라데이션 하강을 통한 역전 파와 같은 오류 수정 학습보다는 경쟁 학습을 사용한다는 것입니다.
자체 구성 맵은 6 각형 또는 직사각형 그리드에서 데이터의 시각적 표현을 생성 할 수 있습니다. 응용 분야에는 기상학, 해양학, 프로젝트 우선 순위 지정 및 석유 및 가스 탐사가 포함됩니다.
자체 구성 맵은 자체 구성 기능 맵 (SOFM) 또는 Kohonen 맵이라고도합니다.
Techopedia는 자체 구성 맵 (SOM)을 설명합니다.
자체 구성 맵은 일부 문제 공간에 대한 2 차원 맵을 작성하려는 인공 신경 네트워크 유형입니다. 문제의 공간은 미국 의회의 투표, 색의지도, 심지어 위키피디아 기사들 사이의 링크에서 비롯 될 수 있습니다.
목표는 인간 뇌의 시각 피질이 시신경에 의해 생성 된 신호를 사용하여 물체를 보는 방식을 반영하는 것입니다. 목표는 네트워크의 모든 노드가 다른 입력에 다르게 응답하도록하는 것입니다. 자체 구성 맵은 노드가 결국 전문화되는 경쟁 학습을 사용합니다.
입력 데이터가 공급 될 때, 유클리드 거리 또는 가중치가 부여 된 노드 사이의 직선 거리가 계산됩니다. 입력 데이터와 가장 유사한 네트워크의 노드를 BMU (Best Matching Unit)라고합니다.
신경망이 문제 세트를 통과함에 따라 가중치는 실제 데이터와 비슷해지기 시작합니다. 신경망은 따라서 인간이 보는 것과 거의 같은 방식으로 데이터의 패턴을 보도록 스스로 훈련했습니다.
이 접근 방식은지도 학습 또는 오류 수정 학습과 같은 다른 AI 기술과 다르지만 알고리즘을 훈련시키기 위해 오류 또는 보상 신호를 사용하지 않습니다. 따라서 자체 구성 맵은 일종의 비지도 학습입니다.
