參考：第4章 SOM自組織特征映射神經網絡 　　生物學研究表明，在人腦的感覺通道上，神經元的組織原理是有序排列的。當外界的特定時空信息輸入時，大腦皮層的特定區域興奮，而且類似的外界信息在對應的區域是連續映像的。生物視網膜中有許多特定的細胞對特定的圖形比較敏感，當視網膜中有若干個接收 ...

原理 聚類、高維可視化、數據壓縮、特征提取 自組織映射神經網絡本質上是一個兩層的神經網絡，包含輸入層和輸出層（競爭層）輸出層中神經元的個數通常是聚類的個數 訓練時采用“競爭學習”方式，每個輸入在輸出層中找到一個和它最匹配的節點，稱為激活節點。緊接着用隨機梯度下降法更新激活節點的參數 ...

自組織神經網絡又稱為自組織競爭神經網絡，特別適合於解決模式分類和識別方面的應用問題。該網絡模型屬於前向神經網絡模型，采用無監督學習算法，其工作的基本思想是讓競爭層的各個神經元通過競爭與輸入模式進行匹配，最后僅有一個神經元成為競爭的勝利者，這一獲勝神經元的輸出就代表對輸入模式的分類。 常用的自組織 ...

　　自組織神經網絡是一類無教師學習的神經網絡模型，這類模型大都采用了競爭學習機制。自組織神經網絡無需提供教師信號，它可以對外界未知環境（或樣本空間）進行學習或模擬，並對自身的網絡結構進行適當的調整，這就是所謂自組織的由來。 　　競爭學習機制以及自組織神經網絡的代表模型：ART 模型、SOM 模型 ...

自組織映射和彈性神經網絡 自組織映射(SOM)，或者你們可能聽說過的Kohonen映射，是自組織神經網絡的基本類型之一。自組織的能力提供了對以前不可見的輸入數據的適應性。它被理論化為最自然的學習方式之一，就像我們的大腦所使用的學習方式一樣，在我們的大腦中，沒有預先定義的模式 ...

原文鏈接：http://tecdat.cn/?p=19077 導入 自組織映射 （SOM）是一種工具，通過生成二維表示來可視化高維數據中的模式，在高維結構中顯示有意義的模式。通過以下方式使用給定的數據（或數據樣本）對SOM進行“訓練”： 定義了網格的大小。 網格中的每個單元 ...

原文鏈接：http://tecdat.cn/?p=18726 自組織映射神經網絡（SOM）是一種無監督的數據可視化技術，可用於可視化低維（通常為2維）表示形式的高維數據集。在本文中，我們研究了如何使用R創建用於客戶細分的SOM。 SOM由1982年在芬蘭的Teuvo Kohonen首次 ...

SON(Self-Organized Networks) 是在LTE的網絡的標准化階段由移動運營商主導提出的概念，其主要思路是實現無線網絡的一些自主功能，減少人工參與，降低運營成本。 根據優化算法的執行位置，SON（Self Organization Network，自組織網絡 ...