Itseorganisoituva kartta

Abstract

Itseorganisoituva kartta on korkeaulotteisen datan visualisointiin käytettävä neuroverkkomalli. Itseorganisoituva kartta perustuu ohjaamattomaan oppimiseen: algoritmi etsii datasta samankaltaisista alkioista koostuvia ryppäitä eli klustereita, jotka se kuvaa kaksiulotteiselle kartalle säilyttäen datassa esiintyvät klustereiden väliset topologiset suhteet. Itseorganisoituva kartta on laajasti käytössä eri tieteen- ja teollisuuden aloilla. Kartan alkutilan parametrit sekä opetusvaiheen valinnat vaikuttavat merkittävästi kartan lopputilaan. Kartan muoto ja koko, sekä mallivektorien alkuarvot ovat merkittävimpiä alkutilan parametreja. Opetusvaiheessa myös naapuruusfunktion valinta vaikuttaa erityisesti klustereiden välisten suhteiden näkymiseen lopullisella kartalla. Tässä työssä käsitellään itseorganisoituvan kartan teoreettista taustaa sekä oleellisimpia käytännön kysymyksiä liittyen alkutilan ja opetusvaiheen version valintaan. Opetusvaiheen versioista tarkastellaan kahta yleisintä, askelittaista ja sarjalaskentaista versiota. Lopuksi rakennetaan esimerkkinä itseorganisoituva kartta WLAN- signaalien voimakkuusmittauksista.