Daftar Isi:
- Definisi - Apa yang dimaksud dengan Self-Organizing Map (SOM)?
- Techopedia menjelaskan Self-Organizing Map (SOM)
Definisi - Apa yang dimaksud dengan Self-Organizing Map (SOM)?
Peta pengorganisasian diri (SOM) adalah jenis jaringan saraf tiruan yang menggunakan pembelajaran tanpa pengawasan untuk membangun peta dua dimensi dari ruang masalah. Perbedaan utama antara peta pengorganisasian diri dan pendekatan lain untuk pemecahan masalah adalah bahwa peta pengorganisasian diri menggunakan pembelajaran kompetitif daripada pembelajaran koreksi kesalahan seperti backpropagation dengan gradient descent.
Peta yang dapat diatur sendiri dapat menghasilkan representasi visual dari data pada kisi heksagonal atau persegi panjang. Aplikasi termasuk meteorologi, oseanografi, penentuan prioritas proyek, dan eksplorasi minyak dan gas.
Peta yang mengatur diri sendiri juga dikenal sebagai peta fitur yang mengatur diri sendiri (SOFM) atau peta Kohonen.
Techopedia menjelaskan Self-Organizing Map (SOM)
Peta yang dapat diatur sendiri adalah jenis jaringan saraf tiruan yang berupaya membangun peta dua dimensi dari beberapa ruang yang bermasalah. Ruang masalahnya dapat berupa apa saja dari suara di Kongres AS, peta warna dan bahkan tautan antara artikel Wikipedia.
Tujuannya adalah untuk mencoba mencerminkan cara korteks visual di otak manusia melihat benda menggunakan sinyal yang dihasilkan oleh saraf optik. Tujuannya adalah untuk membuat semua node dalam jaringan merespon secara berbeda terhadap input yang berbeda. Peta yang mengatur diri sendiri menggunakan pembelajaran kompetitif di mana node-node tersebut pada akhirnya berspesialisasi.
Ketika memasukkan data input, jarak Euclidean, atau jarak garis lurus antara node, yang diberi bobot, dihitung. Node dalam jaringan yang paling mirip dengan data input disebut unit pencocokan terbaik (BMU).
Ketika jaringan saraf bergerak melalui set masalah, bobot mulai terlihat lebih seperti data aktual. Jaringan saraf telah melatih dirinya untuk melihat pola dalam data seperti cara manusia melihat.
Pendekatan ini berbeda dari teknik AI lainnya seperti pembelajaran terawasi atau pembelajaran koreksi kesalahan, tetapi tanpa menggunakan sinyal kesalahan atau hadiah untuk melatih suatu algoritma. Dengan demikian, peta yang mengatur diri sendiri adalah semacam pembelajaran tanpa pengawasan.
