の視覚野をモデル化したものである。⾃⼰組織化写像はコホネンによって提案されたモデル であり、教師なし学習によって⼊⼒データを任意の次元へ写像することができる。主に1〜3 次元への写像に⽤いられ、多次元のデータの可視化が可能である。出⼒となる空間をマップ (map)、競合層 (competitive layer)、もしくは出⼒層 (output layer) と呼ぶ。出⼒層 に対して⼊⼒データの空間を⼊⼒層(input layer)と呼ぶこともある。⾃⼰組織化写像はコ ホネンマップ (Kohonen map)、コホネンネットワーク (Kohonen network)、⾃⼰組織 化マップ、ソム (SOM) などと呼ぶこともある。 ⾃⼰組織化写像は複数の⼈⼯ニューロンが接続された構造である。この⼈⼯ニューロンは ノード (node)、もしくはユニット (unit) と呼ぶこともある。” IUUQTKBXJLJQFEJBPSHXJLJࣗݾ৫Խࣸ૾