一种自组织映射(SOM)，也称为自组织特征图（SOFM），是一种人工神经网络（ANN），其使用无监督的学习方法训练，以生成训练样本的输入空间的低维，离散表示（地图）。SOM与其他ANN方法不同，因为它们利用竞争学习而不是错误校正学习，并且在这种意义上，它们利用邻域功能来保留输入空间的拓扑特性。这使得SOM对于可视化高维数据的低维视图，类似于多维缩放。现在，在创意蛋白质组学的生物信息管理员很自豪地告诉你我们可以帮助您帮助您SOM服务！

像大多数Anns，Soms用两种模式函数：培训和映射。“培训”使用输入示例构建地图（竞争过程，也称为矢量量化），而“映射”自动对新的输入载体进行分类。自组织地图由称为节点或神经元的组件组成。与每个节点相关联的是与输入数据向量相同的维度的权重向量，以及地图空间中的位置。节点的典型布置是六边形或矩形网格中的二维有序间隔。SOM描述从高维输入空间到低维地图空间的映射。将矢量从数据空间放置到地图上的目的是寻求具有最近（最小距离度量）权重向量的节点到数据空间向量。

SOM算法的步骤可以概括如下:

• 初始化：为初始权重向量Wj选择随机值。
• 采样：从输入数据绘制样本训练输入向量x。
• 匹配：找到具有最接近输入向量的重量矢量的获胜神经元I（x）。
• 更新：采用权重更新等式ΔWji=η（t）tj，i（x）（t）（xi - wji）。
• 继续：继续返回步骤2，直到特征映射停止更改。

如何下订单：

*如果您的机构要求签署保密协议，请通过电子邮件与我们联系