Newtonpedia EN
Inicio › Informática › Mapa autoorganizado
Mapa autoorganizado
Imagen: Wikimedia Commons
Informática · 1982

Mapa autoorganizado

Una red neuronal artificial de aprendizaje no supervisado que dispone sus neuronas en una rejilla para representar, en dos dimensiones, datos de muchas variables conservando sus parecidos.

Año
1982
Protagonistas
Teuvo Kohonen
Sección
Informática

Historia

Los mapas autoorganizados, conocidos también como mapas de Kohonen, sirven para convertir datos complejos, con muchas variables, en una imagen plana que se puede mirar y analizar. Su idea central es que los datos parecidos acaben en zonas cercanas del mapa y los distintos, en zonas alejadas. Esto los hace útiles para descubrir agrupaciones que a simple vista no se ven en una tabla con cientos de números.

Antes de ellos, la visualización de datos de alta dimensión dependía de métodos como el análisis de componentes principales, que proyecta los datos sobre unos pocos ejes lineales. Los modelos de redes neuronales inspirados en el cerebro existían desde la década de 1970, y el matemático Alan Turing había estudiado en los años cincuenta modelos matemáticos de morfogénesis, es decir, de cómo se forman patrones en los seres vivos. El profesor finlandés Teuvo Kohonen recogió estas ideas y las formuló como una herramienta computacional sencilla hacia 1982, y la presentó como una red neuronal artificial en la década de 1980.

El funcionamiento tiene dos fases. En el entrenamiento, la red se alimenta de un gran número de ejemplos; cada neurona tiene un vector de pesos, una lista de valores de la misma longitud que los datos. Cuando llega un ejemplo, se busca la neurona cuyo vector se parece más a él, la llamada unidad de mejor correspondencia, y se mueven sus pesos y los de sus vecinas hacia ese ejemplo. Las neuronas vecinas cambian menos, y el ritmo de cambio y el tamaño del vecindario se reducen con el tiempo. Al principio el mapa se ordena a gran escala; al final, cada zona se ajusta a patrones locales. En la fase de mapeo basta con buscar la neurona más cercana a un dato nuevo para clasificarlo.

Algunos aspectos de la técnica han sido objeto de debate. Con pocas neuronas, el mapa se comporta de forma parecida al método de las K-medias, un algoritmo clásico de agrupamiento; con mapas grandes aparecen propiedades emergentes que no se dan en los pequeños. Los autores de variantes posteriores, como el mapa topográfico generativo o el mapa de tiempo adaptativo, propusieron alternativas que intentan mejorar la conservación de la topología. Hoy los mapas autoorganizados se usan en análisis de datos científicos, reconocimiento de patrones, minería de datos, bioinformática y en la exploración de grandes colecciones de información, donde permiten ver de un vistazo qué registros se parecen entre sí.

Cronología

  • 1950Alan Turing estudia modelos matemáticos de morfogénesis, base teórica que luego inspiraría estos mapas.
  • 1970Se desarrollan modelos de redes neuronales inspirados en los sistemas biológicos.
  • 1982Teuvo Kohonen introduce el mapa autoorganizado, aproximadamente en esta fecha.
  • Las variantes como el mapa topográfico generativo y el TASOM amplían la idea original.

Protagonistas

Otros hitos de informática