Self-Organizing Map (Kohonen Map)
Een self-organizing map is een ongesuperviseerd neuraal netwerk, geïntroduceerd door Teuvo Kohonen in 1982, dat hoogdimensionale data projecteert op een laagdimensionaal (meestal tweedimensionaal) rooster van prototypische vectoren, terwijl de topologie van de data behouden blijft — nabije inputs worden toegewezen aan nabije rooster-cellen. Het wordt gebruikt voor visualisatie, clustering en verkennende analyse, waarbij complexe data wordt omgezet in een geordende, interpreteerbare kaart.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Kohonen, T. (1982). Self-organized formation of topologically correct feature maps. Biological Cybernetics, 43(1), 59–69. DOI: 10.1007/BF00337288 ↗
- Kohonen, T. (1990). The self-organizing map. Proceedings of the IEEE, 78(9), 1464–1480. DOI: 10.1109/5.58325 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Self-Organizing Map (Kohonen Map). ScholarGate. https://scholargate.app/nl/machine-learning/self-organizing-map
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- K-Means ClusteringMachine learning↔ compare
- Lokaal Lineaire Inbedding (LLE)Machine learning↔ compare
- t-SNEMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →