参考：第4章 SOM自组织特征映射神经网络 　　生物学研究表明，在人脑的感觉通道上，神经元的组织原理是有序排列的。当外界的特定时空信息输入时，大脑皮层的特定区域兴奋，而且类似的外界信息在对应的区域是连续映像的。生物视网膜中有许多特定的细胞对特定的图形比较敏感，当视网膜中有若干个接收 ...

原理 聚类、高维可视化、数据压缩、特征提取 自组织映射神经网络本质上是一个两层的神经网络，包含输入层和输出层（竞争层）输出层中神经元的个数通常是聚类的个数 训练时采用“竞争学习”方式，每个输入在输出层中找到一个和它最匹配的节点，称为激活节点。紧接着用随机梯度下降法更新激活节点的参数 ...

自组织神经网络又称为自组织竞争神经网络，特别适合于解决模式分类和识别方面的应用问题。该网络模型属于前向神经网络模型，采用无监督学习算法，其工作的基本思想是让竞争层的各个神经元通过竞争与输入模式进行匹配，最后仅有一个神经元成为竞争的胜利者，这一获胜神经元的输出就代表对输入模式的分类。 常用的自组织 ...

　　自组织神经网络是一类无教师学习的神经网络模型，这类模型大都采用了竞争学习机制。自组织神经网络无需提供教师信号，它可以对外界未知环境（或样本空间）进行学习或模拟，并对自身的网络结构进行适当的调整，这就是所谓自组织的由来。 　　竞争学习机制以及自组织神经网络的代表模型：ART 模型、SOM 模型 ...

自组织映射和弹性神经网络 自组织映射(SOM)，或者你们可能听说过的Kohonen映射，是自组织神经网络的基本类型之一。自组织的能力提供了对以前不可见的输入数据的适应性。它被理论化为最自然的学习方式之一，就像我们的大脑所使用的学习方式一样，在我们的大脑中，没有预先定义的模式 ...

原文链接：http://tecdat.cn/?p=19077 导入 自组织映射 （SOM）是一种工具，通过生成二维表示来可视化高维数据中的模式，在高维结构中显示有意义的模式。通过以下方式使用给定的数据（或数据样本）对SOM进行“训练”： 定义了网格的大小。 网格中的每个单元 ...

原文链接：http://tecdat.cn/?p=18726 自组织映射神经网络（SOM）是一种无监督的数据可视化技术，可用于可视化低维（通常为2维）表示形式的高维数据集。在本文中，我们研究了如何使用R创建用于客户细分的SOM。 SOM由1982年在芬兰的Teuvo Kohonen首次 ...

SON(Self-Organized Networks) 是在LTE的网络的标准化阶段由移动运营商主导提出的概念，其主要思路是实现无线网络的一些自主功能，减少人工参与，降低运营成本。 根据优化算法的执行位置，SON（Self Organization Network，自组织网络 ...