Исследование моделей сферической топологии для устранения граничного эффекта в самоорганизующихся нейронных сетях Кохонена

Самоорганизующиеся карты (СОК) ? это распространенные нейронные сети, которые используются для кластеризации и удобного визуального отображения мультиразмерного пространства данных. Базовая модель СОК [1] основана на плоской двумерной решетке, которая представляет собой топологическое отображение входного пространства данных. Однако, для такой модели СОК характерны проблемы появления «граничного эффекта». В данной работе предлагается несколько моделей сферической решетки самоорганизующейся нейронной, а также приводятся результаты сравнения работы таких сетей и сетей базовой модели СОК. Исследования показывают, что самоорганизующиеся нейронные сети со сферической решеткой аппроксимируют входные данные за существенно меньшее количество эпох обучения.