自组织映射（SOM）网络，也被称为 Kohonen 网络或者胜者独占单元（WTU），在大脑中，不同的感官输入以拓扑顺序的方式呈现，是受人脑特征启发而提出的一种非常特殊的神经网络。 与其他神经网络不同，SOM 神经元之间并不是通过权重相互连接的，相反，它们能够影响彼此的学习。SOM 最重要的特点是神经元以拓扑方式表示所学到的输入信息。 在 SOM 中，神经元通常放置在（一维或二维）网格的节点处，更高的维数也可以用，但实际很少使用。网格中的每个神经元都可以通过权重矩阵连接到所有输入单元。

主要描述SOM的可视化、聚类工具。详细描述SOM的可视化方法、聚类分析方法等。

SOM 异常检测 这个 Python 模块提供了一个非常简单但高效的 Kohonen 自组织映射实现，用于异常检测目的。 该想法基于以下论文： Tian, J., Azarian, MH, Pecht, M. (2014)。 使用基于自组织图的 K 近邻算法进行异常检测。 欧洲预后与健康管理学会会议论文集。 算法简单描述 在一组正常数据（可能包含一些噪声或异常值）上训练某个维度的自组织图。 SOM 中的每个节点，计算映射到该节点的训练向量的数量，假设我们称这个数字为degree 。 删除所有度数小于某个阈值的节点。 对于要评估的数据中的每个观察，执行 k-NN wrt。 SOM 节点。 并计算到找到的节点的平均距离。 这是异常度量。 订购评估数据wrt。 到异常度量。 如何安装 安装可以通过执行： git clone https://github.com/FlorisHoog

自组织竞争神经网络SOM,包括讲课、作业、文献等

SOM神经网络在嵌入式ARM上的移植 测试实验为柴油机故障诊断

TSP旅行商问题matlab求解，里面是20个城市求最短路径问题。 本文档通过竞争网络，选择里面的竞争节点，然后再通过对权值的迭代得到结果

matlab SOM分类

利用som聚类方法对图像实现了聚类。利用som聚类方法对图像实现了聚类。

一个用C语言实现的神经网络的SOM算法程序,欢迎大家下载

创龙SOM-TL6748F 核心板规格书