自组织特征映射神经网络（SOM）

• 自组织特征映射神经网络简介：

        自组织特征映射神经网络（SOM）也是无教师学习网络，主要用于对输入向量进行区域分类。其结构与基本竞争型神经网络很相似。与自组织竞争网络的不同之处：SOM网络不但识别属于区域邻近的区域，还研究输入向量的分布特性和拓扑结构。

• 自组织特征映射神经网络结构

       1981年，科霍恩（Kohonen）教授提出一种自组织特征映射网（Self-Organizing feature Map，简称SOM，又称Kohonen网）。科霍恩认为，一个生物神经网络在接受外界输入模式时，将会分为不同的对应区域，各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。以此为基础，科霍恩创建了SOM。并且自提出以来，自组织特征映射网络得到快速发展和改进，目前广泛应用于样本分类、排序和样本检测等方面，和工程、金融、医疗、军事等领域，并成为其他人工神经网络的基础。

      与自组织竞争网络不同的是，在自组织映射神经网络中邻近的神经元能够识别输入空间中邻近的部分。

      自组织特征映射神经网络包含输入层、输出层两层网络，但在输出层引入网络的拓扑结构，以更好地模拟生物学中的侧抑制现象。

      输入神经元与输出神经元通过权值相连，同时，近邻的输出神经元之间也通过权值向量相连。输出神经元被放置在一维、二维甚至多维的网格节点中，最常见的是二维拓扑结构。