Definição – O que significa Self-Organizing Map (SOM)?
Um mapa de auto-organização (SOM) é um tipo de rede neural artificial que usa o aprendizado não supervisionado para construir um mapa bidimensional de um espaço problemático. A principal diferença entre um mapa auto-organizado e outras abordagens para solução de problemas é que um mapa auto-organizado usa aprendizado competitivo em vez de aprendizado de correção de erros, como retropropagação com gradiente descendente.
Um mapa auto-organizado pode gerar uma representação visual dos dados em uma grade hexagonal ou retangular. As aplicações incluem meteorologia, oceanografia, priorização de projetos e exploração de petróleo e gás.
Um mapa auto-organizado também é conhecido como mapa de recursos auto-organizáveis (SOFM) ou mapa de Kohonen.
Definirtec explica Self-Organizing Map (SOM)
Um mapa de auto-organização é um tipo de rede neural artificial que tenta construir um mapa bidimensional de algum espaço problemático. O espaço do problema pode ser qualquer coisa, desde votos no Congresso dos Estados Unidos, mapas de cores e até links entre artigos da Wikipedia.
O objetivo é tentar espelhar a forma como o córtex visual do cérebro humano vê objetos usando sinais gerados pelos nervos ópticos. O objetivo é fazer com que todos os nós da rede respondam de maneira diferente a diferentes entradas. Um mapa auto-organizado faz uso do aprendizado competitivo onde os nós eventualmente se especializam.
Quando dados de entrada alimentados, a distância euclidiana, ou a distância em linha reta entre os nós, que recebem um peso, é calculada. O nó na rede que é mais semelhante aos dados de entrada é chamado de unidade de melhor correspondência (BMU).
Conforme a rede neural se move através do conjunto de problemas, os pesos começam a se parecer mais com os dados reais. A rede neural, portanto, treinou a si mesma para ver padrões nos dados da mesma forma que um ser humano os vê.
A abordagem difere de outras técnicas de IA, como aprendizado supervisionado ou aprendizado de correção de erros, mas sem usar sinais de erro ou recompensa para treinar um algoritmo. Assim, um mapa auto-organizado é uma espécie de aprendizagem não supervisionada.