자기 조직화 지도

SOM; Self-Organizing Map; 코호넨 맵; Kohonen Map

고차원 데이터를 저차원(보통 2차원) 격자 위의 뉴런으로 사상해 시각적으로 이해할 수 있게 만드는 비지도 인공신경망

구조

• 입력층과 경쟁층(출력층) 두 층뿐이다
• 경쟁층은 보통 2차원 격자로 배열된다
• 입력층의 모든 노드가 경쟁층의 모든 노드와 완전 연결된다

학습

1. 각 뉴런의 가중치를 무작위로 초기화한다
2. 입력 벡터와 가장 가까운 뉴런(BMU, Best Matching Unit)을 찾는다 — 승자독식(Winner Take All)
3. BMU 와 그 이웃 뉴런의 가중치를 입력 쪽으로 당긴다
4. 학습률과 이웃 반경을 줄여 가며 반복한다

역전파 알고리즘을 쓰지 않는다. 전방 패스와 경쟁 학습만으로 진행되며 그래서 속도가 빠르다. "역전파를 사용하므로 빠르다"는 설명은 틀린 것이다.

특징

• 입력 변수의 위치 관계를 그대로 보존한다. 입력 공간에서 가까운 것은 지도 위에서도 가깝게 놓인다
• 결과를 지도 형태로 볼 수 있어 시각적으로 이해하기 쉽다
• 비지도 학습이므로 정답 레이블이 필요 없다
• 차원 축소와 군집 분석을 동시에 하는 셈이다

같이 보기

• 군집 분석
• 차원 축소
• 딥 러닝