自己組織化マップのソースを表示

<div align="right">  
<font size="+1">[https://researchmap.jp/altfluss 古川 徹生]</font><br>
九州工業大学 大学院生命体工学研究科 脳情報専攻<br>
DOI：<selfdoi />　原稿受付日：2021年8月21日　原稿完成日：2022年1月7日<br>
担当編集委員：[https://researchmap.jp/wagaKBR_ 我妻 広明]（九州工業大学大学院　生命体工学研究科 人間知能システム工学専攻）<br>
</div>
英：self-organizing map, Kohonen map <br>
英略称：SOM<br>
同義語：自己組織化写像<br>

{{box|text=　自己組織化マップはT. Kohonenによって提案された教師なしニューラルネットの一種である。自己組織化マップはもともと大脳の機能局在の自己組織的な分化現象を説明する数理モデルに由来する。しかし、データ解析へ応用するため、ニューロン間の結合やダイナミクスが簡約化され、計算の効率化が図られている。自己組織化マップの学習原理はwinner-take-allによる競合学習とニューロンの空間的配置に基づく近傍学習の組み合わせである。自己組織化マップはデータの次元削減や可視化を行うニューラルネットであり、高次元データの可視化やデータマイニングなどの目的で幅広い分野で利用されてきた。}}