Não sei oq eh

Universidade São Francisco Inteligência Artificial
Prof. Márcio H. Zuchini

Experimento com Mapas Auto-Organizáveis em Mineração de Dados
1. Introdução
Os Mapas Auto-Organizáveis (“Self-Organizing Maps – SOM”), também conhecidos como Mapas de Kohonen em citação direta ao seu criador (Kohonen, 1981a,b,c, 1982, 1997) são uma espécie de rede neural artificial baseada em aprendizado não-supervisionado capaz de representar a topologia de um conjunto de dados contidos num espaço de entrada (normalmente em Rn) para um espaço de saída manipulável (normalmente em R2) de forma automática e robusta. A idéia básica do SOM é a construção de um plano (normalmente bidimensional, i.e., em R2) conforme o exemplo na figura abaixo:

Látice

Conjunto de Neurônios

ξ 1 ξ 2

Dados de Entrada

ξ n
Figura 1 - O látice SOM Este plano é usado na visualização dos dados de entrada. É possível avaliar a existência de agrupamentos (conjuntos de dados com características semelhantes ou “próximas” entre si, sendo representados por áreas no mapa onde os neurônios possuem pequena distância entre si e vistos como áreas de cor clara no mapa) e a própria organização e disposição dos dados no látice do SOM, onde então a distância física entre dois elementos representa a distância conceitual de suas características no espaço de dados de entrada. O algoritmo SOM baseia-se no princípio de aprendizado competitivo, um processo adaptativo em que os neurônios de uma rede vão tornando-se mais sensíveis a estímulos particulares. A sensibilidade normalmente é associada a uma métrica qualquer, ou seja, o neurônio mais “sensível” a um estímulo é aquele que encontra-se mais “próximo” do mesmo, tomando ambos o neurônio e o estímulo como pontos no espaço R n. Assim, quando uma entrada xi é apresentada à rede, um neurônio mj em particular ganha a competição (apresenta o maior sinal ou a menor distância). Este neurônio então modifica seus parâmetros de forma que “aprenda” ainda melhor como responder