mappe autoorganizzanti
Algoritmi di calcolo per la rappresentazione di sistemi neurali artificiali non supervisionati (autoorganizzati in base alla competizione dei nodi prossimali). Tali algoritmi, sviluppati da Teuvo Kohonen nei primi anni Ottanta del XX sec. e successivamente implementati, sono utilizzati come strumento analitico in varie discipline scientifiche: medicina e biologia (per es. nella rappresentazione delle funzioni cerebrali), fisica sperimentale, teorie del controllo e dei segnali, statistica,ecc. Il concetto di mappa autoorganizzante (SOM, Self organizing map) si basa sul principio dell’apprendimento competitivo, in cui un elemento della rete (un nodo o un neurone nel modello cerebrale) si specializza nel riconoscere uno stimolo (vince la competizione con gli elementi vicini). L’evoluzione temporale dell’apprendimento definisce una configurazione stabile (topologia di uscita) degli elementi coordinati dal nodo vincitore, secondo pesi variabili (tipicamente con la distanza). Si stabilisce in definitiva un isomorfismo tra spazi di ingresso e di uscita, ossia tra stimoli (input) e risposta standardizzata agli stessi.