HSOM:分层自组织映射，可实现无监督模式识别

分层自组织图 分层自组织映射（HSOM）是一种无监督的神经网络，可从高维空间学习模式并以较低维表示它们。 HSOM网络接收输入并将其输入到一组自组织映射中，每个映射都学习输入空间的各个特征。 这些映射产生稀疏的输出矢量，仅激活最响应的节点，这是竞争性抑制的结果，它限制了在任何给定时间允许的“获胜者”（即活动节点）的数量。 HSOM网络中的每一层都包含一组映射，这些映射可查看部分输入空间并生成稀疏输出矢量，这些输出矢量共同构成层次结构中下一层的输入。 信息在通过网络传递时变得越来越抽象，并最终导致原始数据的低维稀疏表示。 训练过程产生一个模型，该模型将某些输入模式映射到某些标签，分别对应于高维和低维数据。 考虑到培训是无监督的，标签没有内在的含义，而是通过它们与某些输入模式的反复关联以及它们与其他输入的相对缺乏而变得有意义。 简而言之，标签随着时间的流逝代表了更高维的图案，从而使它们能