Los mapas autoorganizados (Self-Organizing Maps, SOM) son una clase de redes neuronales no supervisadas que realizan una proyección no lineal de datos de alta dimensión sobre una estructura de rejilla de baja dimensión, generalmente bidimensional.
El modelo fue desarrollado por Teuvo Kohonen y se basa en un proceso de aprendizaje competitivo, en el que para cada entrada se determina la neurona que mejor se ajusta (Best Matching Unit, BMU).
Los pesos de la BMU y de sus vecinos topológicos se ajustan gradualmente para mapear los datos de entrada preservando la estructura.
Este método permite la visualización de clústeres de datos y la detección de estructuras latentes sin etiquetas de clase explícitas.
Definición:
«Un mapa autoorganizado es una red neuronal no supervisada que, mediante aprendizaje competitivo, genera un mapeo topológico de datos de entrada de alta dimensión sobre una estructura de rejilla de baja dimensión.»
Fuente:
Kohonen, T. (1982). Self-Organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, 43(1), 59-69.