เปรียบเทียบวิธี

	แผนที่จัดระเบียบตนเอง (แผนที่โคโอเนน)	Locally Linear Embedding (LLE)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1982	2000
ผู้ริเริ่ม	Teuvo Kohonen	Sam Roweis & Lawrence Saul
ประเภท	Unsupervised neural network for topology-preserving mapping	Nonlinear manifold dimensionality reduction
แหล่งต้นตำรับ	Kohonen, T. (1982). Self-organized formation of topologically correct feature maps. Biological Cybernetics, 43(1), 59–69.	Roweis, S. T., & Saul, L. K. (2000). Nonlinear dimensionality reduction by locally linear embedding. Science, 290(5500), 2323–2326.
ชื่อเรียกอื่น	SOM, Kohonen map, Kohonen network, öz-örgütlemeli harita	LLE, manifold learning, nonlinear dimensionality reduction, yerel doğrusal gömme
ที่เกี่ยวข้อง	3	3
สรุป	A self-organizing map is an unsupervised neural network, introduced by Teuvo Kohonen in 1982, that projects high-dimensional data onto a low-dimensional (usually two-dimensional) grid of prototype vectors while preserving the data's topology — nearby inputs map to nearby grid cells. It is used for visualization, clustering, and exploratory analysis, turning complex data into an ordered, interpretable map.	Locally linear embedding, introduced by Sam Roweis and Lawrence Saul in 2000, is a manifold-learning method for nonlinear dimensionality reduction. It assumes that although data may curve through a high-dimensional space, each point and its neighbours lie approximately on a flat patch. LLE captures each point as a weighted combination of its neighbours and then finds a low-dimensional layout that preserves those same local relationships, unrolling curved structure into a faithful low-dimensional map.