Les cartes auto-organisatrices (Self-Organizing Maps, SOM) sont une classe de réseaux neuronaux non supervisés qui réalisent une projection non linéaire de données de haute dimension sur une structure en grille de faible dimension, généralement bidimensionnelle.
Le modèle a été développé par Teuvo Kohonen et repose sur un processus d'apprentissage compétitif, où pour chaque entrée, le neurone le mieux adapté (Best Matching Unit, BMU) est déterminé.
Les poids de la BMU et de ses voisins topologiques sont ajustés progressivement afin de représenter les données d'entrée tout en préservant leur structure.
Cette méthode permet la visualisation des clusters de données et la détection de structures latentes sans étiquettes de classes explicites.
Définition :
« Une carte auto-organisatrice est un réseau neuronal non supervisé qui, par apprentissage compétitif, génère une cartographie topologique des données d'entrée de haute dimension sur une structure en grille de faible dimension. »
Source :
Kohonen, T. (1982). Self-Organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, 43(1), 59-69.