SOM (Self-Organizing Maps)

Fabrizio Armando Lucas Rodrigues da Silva Ricardo Gomes Frana

Histria

Criado pelo Professor Teuvo Kohonen, o SOM foi originalmente criado para ser aplicado em reconhecimento de voz e anlise exploratria de dados. Em 1996 foi aplicado pela primeira vez em um estudo na gua. E desde ento, tem sido aplicado com frequncia em diversos estudos relacionados a dados ambientais multidimensionais. Hoje em dia muito usado para: Monitorao de processos, reconhecimento de voz, estudos relacionados a msicas, pesquisa na web, monitoramento de processos e etc.

O que ?

SOM (Self-Organizing Map) ou Mapas autoorganizaveis, tambm chamado de mapas de Konohen, realiza um mapeamento de uma maneira no supervisionada de um espao de entrada para um espao de sada, onde as entradas topolgicas so preservadas A forma como SOM reduz as dimenses distribundo os dados em uma grade/mapa de geralmente de 1 ou 2 dimenses no qual agrupa os dados similares juntos.

Existem dois tipos de Grades

Grade Hex: Cada neurnio tem seis vizinhos

Grade retangular: Quatro vizinhos

Como funciona?

Durante a formao de rede, os vetores de dados so introduzidos em cada neurnio e comparados com o vetor peso de cada caracterstica do neurnio.

O neurnio com a menor diferena entre seu vetor de peso e vetor de dados o neurnio vencedor (BMU).

Entrada e sada

Cada neurnio na rede tem associado um vetor de peso da mesma dimenso que os dados de entrada. (Espao de entrada). Enquanto isso, o espao de sada mapeia a posio de cada neurnio. Para se ordenarem esse algoritmo utiliza um mtodo de aprendizagem por competio, tambm conhecido como Aprendizagem competitiva, onde o vetor de peso vencedor

Aprendizagem por competio

Este mtodo avalia os neurnios de sada da rede de maneira que ocorra uma competio entre eles, tendo-se como resultado o neurnio que possui maior ativao. A rede neural de Kohonen composta por duas camadas: a de entrada e de Kohonen. Cada n da camada de entrada tem a funo de distribuir os valores padres para a de Kohonen, que um conjunto de nodos organizados de forma tabular. O vetor de entrada possui seus elementos conectados com cada n da camada Kohonen por meio de ligaes, as quais so responsveis por manterem atualizados os valores durante o processo de treinamento da RNA