使用自组织映射学习数据流形结构

本文展示了如何通过逐步丢弃小的自由度将数据流形映射为更简单的形式。这是自组织数据融合的关键，其中原始数据嵌入在非常高维的空间中（例如一幅或多幅图像的像素值），而要求是分离出位于低维流形上的重要自由度。本文所用方法的一个有益优势是，计算被安排为前馈处理链，其中该链每个阶段处理的所有细节都是通过自组织学习的。该方法使用分层相关数据进行了演示，这些数据促使处理链将数据拆分为独立的处理通道，然后在通道彼此相关的地方逐步合并这些通道。这是自组织数据融合的关键。