Odborné vysvětlení: Samoorganizující se mapy jsou typ neuronové sítě pro neřízené učení, který provádí redukci dimenzionality dat. Vytváří nízkodimenzionální (typicky dvourozměrnou) reprezentaci vstupních dat, zachovávající topologické vlastnosti vstupního prostoru. SOM se učí bez učitele a používá soutěživé učení k vytvoření diskrétní reprezentace vstupního prostoru vzorků.
Vysvětlení pro laiky: Samoorganizující se mapy jsou jako chytrá nástěnka, která sama roztřídí vaše poznámky. Představte si, že máte spoustu lístečků s různými informacemi a chcete je nějak uspořádat. Tato nástěnka by sama poznala, které lístečky patří k sobě, a umístila by je blízko sebe. Tím by vám pomohla vidět, jak spolu různé informace souvisí, aniž byste museli sami vymýšlet, jak je uspořádat.
Self-Organizing Maps are a type of neural network for unsupervised learning that performs dimensionality reduction. They create a low-dimensional (typically two-dimensional) representation of the input data, preserving the topological properties of the input space. SOMs learn without supervision and use competitive learning to create a discrete representation of the input sample space.
