Глоссарий

Разновидность сети Кохонена, которая позволяет не только производить кластеризацию объектов, но и выполнять визуализацию ее результатов с помощью многомерного проецирования. Отличие самоорганизующейся карты от сети Кохонена заключается только в количестве выходных нейронов: в сети Кохонена оно должно соответствовать количеству кластеров, а в карте – количеству сегментов, из которого она должна состоять, т.е. размеру карты. Чем выше число сегментов в карте, тем детальнее она представляет распределение признаков объектов. Число входных нейронов карты, как и в сети Кохонена, должно быть равно числу признаков объектов, по которому производится их кластеризация. На рисунке показана карта размером 5 х 5, т.е. содержащая 25 выходных нейронов.

Уменьшив число сегментов карты до числа кластеров, мы вернемся к обычной сети Кохонена.

Карта Кохонена состоит из сегментов прямоугольной или шестиугольной формы, называемых ячейками. Каждая из них связана с определенным выходным нейроном карты и представляет собой своего рода его «сферу влияния». Распределение векторов весов нейронов карты получается так же, как и в сети Кохонена, т.е. на основе конкурирующего обучения. Объекты, векторы признаков которых оказываются ближе к вектору весов данного нейрона карты, попадают в ячейку, связанную с этим нейроном. Тогда распределение объектов на карте в целом соответствует распределению векторов весов нейронов. Следовательно, если объекты на карте расположены близко друг к другу, т.е. попали в одну ячейку или хотя бы в соседние, то и векторы признаков этих объектов близки, и, наоборот, если объекты попали в ячейки, расположенные на карте далеко друг от друга, то и векторы их признаков различаются сильно.

На рисунке представлен возможный вариант визуализации самоорганизующейся карты. Области с ячейками, близкими по цвету, содержат объекты, схожие по признаку, соответствующему проекции карты.