نگاشت خودسازمانده

یک نگاشت خود سازمانده (یا SOM) یک نوع شبکه عصبی مصنوعی است که از طریق یادگیری بدون نظارت برای تولید فضای حالت با بعد کم، از فضای ورودی، آموزش داده می شود. نگاشت های خودسازمانده با شبکه های عصبی مصنوعی دیگر از این جهت تفاوت دارد، که از یک تابع همسایگی برای حفظ کردن ویژگی فضای ورودی استفاده می کند. این خصوصیت باعث می شود که این نگاشت ها، برای دادن شهود از یک مجموعه ی داده ها با بعد زیاد مناسب باشند. این مدل ابتدا توسط پروفسور کوهونن به عنوان یک شبکه عصبی مصنوعی ارائه شده است و به همین دلیل این نگاشت را نگاشت کوهونن نیز می نامند.

همانند بسیاری از شبکه های عصبی مصنوعی دیگر، SOM ها، در دو فاز عمل می کنند. فاز آموزش، و فاز نگاشت. فاز آموزش، نگاشت را با استفاده از مثال های ورودی می سازد. این فاز یک پروسه ی رقابتی است که چندی سازی برداری نیز نامیده می شود. عمل نگاشت، به صورت خودکار بردار های ورودی را دسته بندی می کند. یک نگاشت خودسازمانده شامل بخش هایی است که گره ها، یا نورون ها نامیده می شوند. با هر نورون یک بردار وزن که بعد آن به اندازه ی بعد بردار های ورودی است و یک عدد که موقعیت نورون را در نگاشت مشخص می کند وجود دارد. چینش های معمول برای نورون ها، چیدن مستطیلی و شش ضلعی است.

نگاشت خودسازمانده، یک نگاشت از ورودی با بعد فضای حالت بزرگتر به یک فضای حالت کوچکتر توصیف می کند. رویه ی قرار دادن یک بردار از فضای داده ها به یک نورون خروجی، ابتدا از پیدا کردن برداری که به بردار ورودی نزدیک تر است شروع می شود. وقتی که نزدیک ترین نورون تعیین شد، نگاشت از ورودی به آن نورون انجام می شود. در حالی که معمول است این نوع از ساختار شبکه را در رده ی شبکه های انتشار به جلو در نظر بگیریم، اما این ساختار به طور بنیادی در چینش، تفاوت دارد.