ЎЗ-ЎЗИНИ ТАШКИЛ ЭТУВЧИ КОХОНЕН ХАРИТАЛАРИНИНГ НАЗАРИЙ АСОСЛАРИ ВА АМАЛИЁТДАГИ ҚЎЛЛАНИЛИШИ
Авторы
Ключевые слова: карта Кохонена, нейронная сеть, кластеризация, обучение без учителя, визуализация, анализ данных, понижение размерности
Аннотация
В статье изложены теоретические основы и алгоритм обучения самоорганизующихся карт Кохонена посредством математических моделей. Карты Кохонена представляют собой эффективную модель нейронной сети для неконтролируемой (unsupervised) кластеризации и визуализации данных. В статье подробно описаны архитектура метода, процесс поиска ближайшего нейрона (BMU – Best Matching Unit), модель соседства и адаптивное обновление весов. Также представлены методы визуального анализа – унифицированная матрица расстояний (U-Matrix: Unified Distance Matrix) и проекции компонент. Проанализированы практические применения данного метода в медицине, геоданных и аграрной сферах, где он оценивается как важный инструмент для понимания структуры данных и поддержки принятия решений.
Библиографические ссылки
1. Kohonen T. Self-organizing maps (3rd ed.). Springer Berlin, Heidelberg. 2001. –P. 502.
2. Cottrell M., Fort J.C., G. Pagès, Theoretical aspects of the SOM algorithm, Neurocomputing, Volume 21, Issues 1–3, 1998, -P.119-138.
3. Oja E., S. Kaski Kohonen Maps. Amsterdam: Elsevier, 1999. –P. 390.
4. Haykin S.S., Neural Networks: A Comprehensive Foundation 2Nd Ed., Prentice-Hall Of India Pvt. Limited. 1999. – P. 842.