SecondBrain/01 Library/11 Machine Learning/Нейронная сеть Кохонена.md

status, type, tags, created, updated, title

status	type	tags	created	updated	title
seed	concept	machine-learning neural-networks clustering self-organizing-maps	2026-05-07	2026-05-07	Нейронная сеть Кохонена

Нейронная сеть Кохонена

Нейронная сеть Кохонена - класс нейронных сетей, основанный на самоорганизующихся картах (Self-Organizing Maps, SOM). Такие сети применяются для Кластерный анализ и проецирования многомерных данных на пространство меньшей размерности с сохранением топологической близости объектов.

Если два объекта близки в исходном пространстве признаков, после обучения они обычно попадают в близкие области карты. Поэтому сеть Кохонена удобна не только для разбиения данных на группы, но и для визуального анализа структуры выборки.

Идея

Сеть Кохонена объединяет две задачи:

1. Выделение кластеров в многомерных данных.
2. Отображение многомерных объектов на двумерную или одномерную карту.

В отличие от многих сетей, обучающихся с учителем, сеть Кохонена обычно работает в режиме самообучения: ей предъявляют входные объекты, а сеть постепенно настраивает веса нейронов так, чтобы разные области карты отвечали за разные группы похожих объектов.

Архитектура

Сеть состоит из двух основных слоев:

• входной слой - принимает вектор признаков объекта;
• выходной слой - содержит нейроны топологической карты.

Каждый нейрон выходного слоя связан со всеми входными признаками и имеет собственный вектор весов. Количество нейронов выходного слоя связано с желаемой детализацией карты и числом обнаруживаемых областей данных.

!Pasted image 20260507222244.png

Обучение

Обучение сети Кохонена сводится к последовательной подстройке весов. На каждом шаге сети предъявляется входной объект, после чего выбирается нейрон-победитель - нейрон, чей вектор весов ближе всего к входному вектору.

После выбора победителя корректируются:

• веса самого нейрона-победителя;
• веса нейронов, лежащих в его окрестности на карте.

Подробная процедура вынесена в Алгоритм обучения сети Кохонена.

Связь с кластеризацией

По смыслу сеть Кохонена близка к итерационным методам кластеризации: веса нейронов играют роль прототипов групп, а входные объекты притягивают ближайшие прототипы к себе. Поэтому рядом полезно держать заметки про Кластерный анализ, Классификация и Итерационная классификация. Метод K-средних (K-means).

Связанные заметки

• Нейронные сети
• Алгоритм обучения сети Кохонена
• Кластерный анализ
• Классификация
• Итерационная классификация. Метод K-средних (K-means)