Технологии интеллектуального анализа данных : учебное пособие

279 Карты Кохонена Самоорганизующиеся карты (карты Кохонена) могут исполь- зоваться для решения задач, таких как моделирование, прогнозиро- вание, поиск закономерностей в больших массивах данных, выяв- ление наборов независимых признаков и сжатие информации. Алгоритм функционирования самоорганизующихся карт (Self Organizing Maps – SOM) представляет собой один из вариан- тов кластеризации многомерных векторов – алгоритм проецирова- ния с сохранением топологического подобия. Примером таких алгоритмов может служить алгоритм k -ближайших средних ( k -means). Важным отличием алгоритма SOM является то, что в нем все нейроны (узлы, центры классов) упорядочены в некоторую структуру (обычно двумерную сетку). При этом в ходе обучения модифицируется не только нейрон- победитель (нейрон карты, который в наибольшей степени соот- ветствует вектору входов и определяет, к какому классу относится пример), но и его соседи, хотя и в меньшей степени. За счет этого SOM можно считать одним из методов проецирования многомер- ного пространства в пространство с более низкой размерностью. При использовании этого алгоритма векторы, близкие в исходном пространстве, оказываются рядом и на полученной карте. SOM подразумевает использование упорядоченной структу- ры нейронов. Обычно используются одно- и двумерные сетки. При этом каждый нейрон представляет собой n -мерный вектор-столбец, где n определяется размерностью исходного пространства (размер- ностью входных векторов). Применение одно- и двумерных сеток связано с тем, что возникают проблемы при отображении про- странственных структур большей размерности. Обычно нейроны располагаются в узлах двумерной сетки с прямоугольными или шестиугольными ячейками. При этом нейро-