Selbstorganisierende Karten (englisch Self-Organizing Maps, SOM) sind unüberwachte neuronale Netze, die hochdimensionale Daten durch Projektion auf eine niedrigdimensionale, meist zweidimensionale Gitterstruktur abbilden.
Das Training erfolgt durch Wettbewerbslernen, wobei Neuronen um die Eingabe konkurrieren und der Gewinner sowie seine Nachbarn angepasst werden.
Dadurch entsteht eine topologische Abbildung, bei der ähnliche Eingabemuster benachbarte Neuronen aktivieren.
SOMs helfen bei der Visualisierung, Clustering und Dimensionsreduktion von Daten und werden in Bereichen wie Bildverarbeitung, Bioinformatik oder Marktforschung eingesetzt.
Die Qualität der Abbildung hängt von Parametern wie Lernrate, Nachbarschaftsfunktion und Trainingsdauer ab.