ADsP 자기조직화지도

 

자기조직화지도 SOM self organizing map

코호넨이 개발한 알고리즘

비지도 신경망으로 고차원(n 차원)의 데이터를 저차원의 뉴런으로 정렬하여 지도형태로 형상화한것

입력변수의 위치관계(다차원이니까)를 그대로 보존하는 특징이 있음

즉, 실제공간의 입력변수가 가까이 있다면 지도상에서 가까운 위치에 존재하는 것을 의미

따라서 패턴발견이나 이미지 분석에 용이하다.

두 개의 인공신경망 구조로 변수와 동일하게 뉴런수가 존재하며 자료는 학습을 통해 경쟁층에 (맵)정렬하게 된다.

입력층은 입력벡터를 받는 층이고, 경쟁층은 2차원 격자구조로 입력벡터의 특성에 따라 벡터가 한 점으로 클러스터링 되는 층이다.

입력층의 뉴런들은 경쟁층에 각각의 뉴런과 연결되는 완전연결 형태를 띤다.

 

- 입력층 input layer : 입력 벡터를 입력을 받는 층

- 경쟁층 competitive layer : 입력 벡터의 특성에 따라 입력 벡터가 한점으로 클러스터링 되는 층

- 가중치 weight : 인공신경망에서 가중치는 각 입력 값에 대한 입력 값의 중요도 값

- 노드 node : 경쟁층에서 입력 벡터들이 서로의 유사성에 의해 모이는 하나의 영역

 

SOM 기능

- 구조탐색 find structures in data

데이터의 특징을 파악하여 유사 데이터를 클러스터링 한다.

고차원의 데이터 셋을 저차원인 맵(2차원 그리드에 매칭)에 표현하고 이를 통해 SOM은 입력 데이터를 유사한 그룹으로 분류한다.

- 차원축소 dimension reduction 및 시각화 visualization

차원을 축소하여 통상 2차원 그리드에 매핑하여 인간이 시각적으로 인식할 수 있게 한다.

 

신경망 모형과 차이

신경망 모형은 연속적인 layer 로 구성된 반면 SOM 은 2차원의 격자(그리드)로 구성

신경망 모형은 에러 error 수정을 학습하는 반면에 SOM 은 경쟁 학습을 실시

SOM 은 비지도 학습

 

지도학습 : 답을 주고 학습하게 함. 틀린 걸 알려줌.

비지도학습 : 답이 없음. 시행착오를 겪음.