Mapas Auto-Organizáveis e Autoencoders

• Elias C. Rodrigues UFS
• Leonardo N. Matos UFS

DOI: https://doi.org/10.5753/erbase.2025.13757

Resumo

Este trabalho apresenta uma ideia que combina SOM (Self-Organizing Map) e autoencoders convolucionais para criar um modelo hierárquico e interpretável. O método proposto substitui cada neurônio da grade do SOM por um autoencoder. O SOM organiza a grade topologicamente, criando relações de vizinhança entre os autoencoders. Cada autoencoder funciona como um extrator de características, já que suas codificações armazenam as principais características de uma entrada em uma representação latente. Em um treinamento separado, com o treinamento do SOM já realizado, as camadas latentes geradas pelos autoencoders são utilizadas em redes Perceptron Multicamadas (MLP) para tarefas de classificação de imagens.

Referências

Bank, D., Koenigstein, N., and Giryes, R. (2023). Autoencoders. In Rokach, L., Maimon, O., and Shmueli, E., editors, Machine Learning for Data Science Handbook. Springer.

Byerly, A., Kalganova, T., and Dear, I. (2021). No routing needed between capsules. Neurocomputing, 463:545–553.

Géron, A. (2021). Aprendizado de representação e aprendizado gerativo com autoencoders e gans. In Mãos à Obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow, chapter 17, pages 437–446. Alta Books, 2nd edition.

Huijben, I., Mettes, P., and Snoek, C. G. M. (2023). Som-cpc: Unsupervised contrastive learning with self-organizing maps. IEEE Transactions on Pattern Analysis and Machine Intelligence. Early Access.

Jogin, M. et al. (2018). Feature extraction using convolution neural networks (cnn) and deep learning. In 2018 3rd IEEE International Conference on Recent Trends in Electronics, Information & Communication Technology (RTEICT), pages 2319–2323. IEEE.

Khacef, A., Hébrail, G., and Gallinari, P. (2020). Improving self-organizing maps with unsupervised feature extraction. In 2020 International Joint Conference on Neural Networks (IJCNN), pages 1–8. IEEE.

Kohonen, T. (1982). Self-organized formation of topologically correct feature maps. Biological Cybernetics, 43(1):59–69.

Kriesel, D. (2007). Self-organizing feature maps. In A Brief Introduction to Neural Networks, chapter 10, pages 147–164. Disponível em: [link].

LeCun, Y., Bottou, L., Bengio, Y., and Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11):2278–2324.