Mapes Autoorganizados (RNA)

De WikiLingua.net

Els mapes autoorganizados o SOM (Self-Organizing Map), també cridats xarxes de Kohonen són un tipus de xarxa neuronal no supervisada, competitiva, distribuïda de forma regular en una reixeta de, normalment, dues dimensions, la fi de les quals és descobrir l'estructura subyacente de les dades introduïdes en ella. Al llarg de l'entrenament de la xarxa, els vectores de dades són introduïts en cada neurona i es comparen amb el vector de pes característic de cada neurona. La neurona que presenta menor diferència entre la seva vector de pes i el vector de dades és la neurona guanyadora (o BMU) i ella i les seves veïnes veuran modificats les seves vectores de pesos.


Taula de continguts

[editar] Estructura d'una SOM

[editar] Reixeta de neurones

Les neurones de la SOM estan distribuïdes en forma de reixeta gular d'una o dues dimensions, depenent de la manera en què es vulguin visualitzar les dades. Les més comunes són les de dues dimensions. Reixetes de dimensions superiors són possibles, encara que són més difícils d'interpretar.

En les SOM de dues dimensions, es poden distingir dos tipus de reixetes:

  • Reixeta hexagonal: en ella cada neurona té sis veïns (excepte els extrems).
  • Reixeta rectangular: cada neurona té quatre veïns.

[editar] Espai d'entrada i de sortida

Cada neurona de la xarxa té associat un vector de pesos (o de prototip) de la mateixa dimensió que les dades d'entrada. Aquest seria l'espai d'entrada de la xarxa, mentre que l'espai de sortida seria la posició en el mapa de cada neurona.


[editar] Relació entre Neurones

Les neurones mantenen amb les seves veïnes relacions de veïnatge, les quals són claus per a conformar el mapa durant l'etapa d'entrenament. Aquesta relació ve donada per una funció.

[editar] Entrenament

En cada pas s'introdueix un vector de dades en cada neurona i es calcula la "similitud" entre aquest i el vector de pes de cada neurona. La neurona més semblant al vector d'entrada és la neurona guanyadora (o BMU, Best-Matching Unit, Unitat amb millor ajust). Per a mesurar la similitud s'utilitza usualmente la distància euclídea. Després d'això, els vectores de pesos de la BMU i dels seus veïns són actualitzats, de tal forma que s'apropen al vector d'entrada.

[editar] Paràmetres d'Entrenament

[editar] Programari Lliure


[editar] Enllaços externs