具有學習功能的一種神經元網路模型.在基於神經元網路的學習中，有一種非監督式學習.通過它可以提取一組數據中的重要特徵或某種內在規律性(如分布特徵，或按某種特徵聚類).自組織過程即是一種非監督學習，柯含農自組織模型是由芬蘭學者柯含農(Kohonen，T.)於1972年提出的.該模型能形成簇與簇之間的連續映射，起向量量化器的作用.
基本介紹
- 中文名：柯含農自組織模型
- 外文名：Kohonen
- 屬性：神經元網路模型
- 時間：1972年
該模型的提出基於以下三點：
1.對生物神經系統的觀察.
2.局部相互作用(可以是隨機的)可以導致整體的某種有序性.
3.這種局部作用遵循以下原則：
1) 突觸(傳遞神經衝動的地方)的連結強度趨向於自增強;
2) 由於資源有限，使各單元之間發生競爭，並導致有選擇性的變化;
3) 單個神經元不起作用，所以可以說各神經元之間存在協作;
4) 人腦由大量的神經元組成，它們並非都起同樣的作用;
5) 處於空間不同部位的區域分工不同，各自對不同模式敏感.
因此，柯含農認為，神經元網路中鄰近的各單元通過相互作用，可以自適應地發展成檢測不同性質信號的特殊檢測器.他又進一步提出一種學習方式，使得輸入信號可以映射到低維空間，且保持相同特徵的輸入信號在空間上對應鄰近區域，稱為自組織特徵映射.對該模型的使用實例是指紋識別.
