3.3.3 自己組織化Featureマップ
自己組織化Featureマップは、任意次元の入力データを元の多次元空間におけるデータ相互の 距離関係をできるだけ保ったまま、1次元あるいは2次元空間にマッピングしたものです。

自己組織化Featureマップでは、ニューロンが1次元あるいは二次元の位置関係をもち、 競合に勝ち残ったニューロンと、そのまわりのニューロンが学習をします。
学習の仕方は、先ほどのコホーネン学習を基本にしています。 しかし、1つ違うところは、 入力データに対して最も強く反応したニューロンだけ学習するのではなく、 その周りのニューロンも同時に学習をするということです。

このように学習することによって、 入力データの分布を結合重みベクトルで表すことができます。

Featureマップのニューロンのつながりを一次元にしたシミュレーションもしてみましょう。



Copyright(c) Iwata-Lab. N.I.T. All rights reserved.