Talaan ng mga Nilalaman:
- Kahulugan - Ano ang ibig sabihin ng Pag-aayos ng Sariling Map (SOM)?
- Ipinaliwanag ng Techopedia ang Mapag-ayos ng Map (SOM)
Kahulugan - Ano ang ibig sabihin ng Pag-aayos ng Sariling Map (SOM)?
Ang isang self-pag-aayos ng mapa (SOM) ay isang uri ng artipisyal na neural network na gumagamit ng hindi sinusuportahang pag-aaral upang makabuo ng isang two-dimensional na mapa ng isang puwang sa problema. Ang pangunahing pagkakaiba sa pagitan ng isang pag-aayos ng sarili na mapa at iba pang mga diskarte sa paglutas ng problema ay ang isang pag-aayos ng sarili na mapa ay gumagamit ng mapagkumpitensyang pag-aaral sa halip na pag-aaral ng pagwawasto ng error tulad ng backpropagation na may gradient descent.
Ang isang mapa ng pag-aayos ng sarili ay maaaring makabuo ng isang visual na representasyon ng data sa isang heksagonal o hugis-parihaba na grid. Kasama sa mga aplikasyon ang meteorology, oceanography, prioritization ng proyekto, at paggalugad ng langis at gas.
Ang isang mapa ng pag-aayos ng sarili ay kilala rin bilang isang mapa ng tampok na pag-aayos ng sarili (SOFM) o isang mapa ng Kohonen.
Ipinaliwanag ng Techopedia ang Mapag-ayos ng Map (SOM)
Ang isang mapa ng pag-aayos ng sarili ay isang uri ng artipisyal na neural network na nagtatangkang bumuo ng isang dalawang dimensional na mapa ng ilang espasyo sa problema. Ang puwang ng problema ay maaaring maging anumang bagay mula sa mga boto sa US Congress, mga mapa ng mga kulay at kahit na mga link sa pagitan ng mga artikulo ng Wikipedia.
Ang layunin ay upang subukang salamin ang paraan ng visual cortex sa utak ng tao na nakakakita ng mga bagay gamit ang mga signal na nabuo ng mga optic nerbiyos. Ang layunin ay upang gawin ang lahat ng mga node sa network ng ibang tugon sa iba't ibang mga pag-input. Ginagawa ng isang self-organisa na mapa ang paggamit ng mapagkumpitensyang pag-aaral kung saan ang mga node sa kalaunan ay espesyalista.
Kapag ang data ng pag-input ng fed, ang distansya ng Euclidean, o ang straight-line na distansya sa pagitan ng mga node, na binibigyan ng timbang, ay kinukuwenta. Ang node sa network na halos kapareho sa data ng pag-input ay tinatawag na pinakamahusay na yunit ng pagtutugma (BMU).
Habang gumagalaw ang neural network sa hanay ng problema, nagsisimula ang mga timbang na magmukhang katulad ng aktwal na data. Sa gayon ay sinanay ng neural network ang sarili upang makita ang mga pattern sa data tulad ng nakikita ng tao.
Ang diskarte ay naiiba mula sa iba pang mga pamamaraan ng AI tulad ng pinangangasiwaang pag-aaral o pag-aaral ng pagwawasto ng error, ngunit nang hindi gumagamit ng mga error o signal signal upang sanayin ang isang algorithm. Sa gayon, ang isang mapa sa pag-aayos ng sarili ay isang uri ng hindi sinusuportahan na pagkatuto.
