Inhaltsverzeichnis:
- Definition - Was bedeutet selbstorganisierende Karte (SOM)?
- Techopedia erklärt selbstorganisierende Karte (SOM)
Definition - Was bedeutet selbstorganisierende Karte (SOM)?
Eine selbstorganisierende Karte (SOM) ist eine Art künstliches neuronales Netzwerk, das unbeaufsichtigtes Lernen verwendet, um eine zweidimensionale Karte eines Problemraums zu erstellen. Der Hauptunterschied zwischen einer sich selbst organisierenden Karte und anderen Ansätzen zur Problemlösung besteht darin, dass eine sich selbst organisierende Karte eher wettbewerbsorientiertes Lernen als fehlerkorrekturorientiertes Lernen verwendet, z. B. Backpropagation mit Gradientenabstieg.
Eine selbstorganisierende Karte kann eine visuelle Darstellung von Daten in einem hexagonalen oder rechteckigen Raster erzeugen. Anwendungen umfassen Meteorologie, Ozeanographie, Projektpriorisierung sowie Öl- und Gasexploration.
Eine selbstorganisierende Karte wird auch als selbstorganisierende Feature-Karte (SOFM) oder Kohonen-Karte bezeichnet.
Techopedia erklärt selbstorganisierende Karte (SOM)
Eine selbstorganisierende Karte ist eine Art künstliches neuronales Netzwerk, das versucht, eine zweidimensionale Karte eines Problemraums zu erstellen. Der Problemraum kann alles sein, von Abstimmungen im US-Kongress über Farbkarten bis hin zu Links zwischen Wikipedia-Artikeln.
Ziel ist es, mithilfe der von den Sehnerven erzeugten Signale zu versuchen, die Art und Weise zu spiegeln, in der der visuelle Kortex im menschlichen Gehirn Objekte sieht. Ziel ist es, dass alle Knoten im Netzwerk unterschiedlich auf unterschiedliche Eingaben reagieren. Eine sich selbst organisierende Karte nutzt wettbewerbsorientiertes Lernen, wobei sich die Knoten schließlich spezialisieren.
Bei der Eingabe von Eingabedaten wird der euklidische Abstand oder der geradlinige Abstand zwischen den Knoten berechnet, denen ein Gewicht zugewiesen wurde. Der Knoten im Netzwerk, der den Eingabedaten am ähnlichsten ist, wird als die am besten passende Einheit (BMU) bezeichnet.
Während sich das neuronale Netzwerk durch die Problemmenge bewegt, sehen die Gewichte mehr wie die tatsächlichen Daten aus. Das neuronale Netzwerk hat sich daher darauf trainiert, Muster in den Daten so zu sehen, wie es ein Mensch sieht.
Der Ansatz unterscheidet sich von anderen KI-Techniken wie überwachtem Lernen oder Fehlerkorrekturlernen, ohne jedoch Fehler- oder Belohnungssignale zum Trainieren eines Algorithmus zu verwenden. Eine sich selbst organisierende Karte ist also eine Art unbeaufsichtigtes Lernen.
