所谓有监督学习，就是让计算机从给定的训练数据集中，学习出所需要的某个函数。
训练数据中通常包括一个标签项，来告诉计算机，什么样的输入对应着什么样的结果。
而无监督学习，一样需要训练数据，但却并不需要给输入的数据打上标签。
也就是说，输入一组数据，需要输出什么，并不会事先予以规定，也没有确定的结果。
让计算机自己寻找规律，自己去学习应该怎么做，这就是“无监督学习”的基本概念。
事实上，这种非目的性的学习活动，更符合人类对于“自主学习”的定义。
所以，很多时候，“无监督学习”比“有监督学习”更有用。
譬如分析一堆数据的主分量，或分析数据集有什么特点，都可以使用“无监督学习”。
SOM是将高维的输入数据在低维的空间表示，所以常用来给数据“降维”，此外也常用于数据可视化、聚类等。
SOM是一种自组织神经网络，在网络结构上，有着十分鲜明的特点。
一般包含输入层和竞争层，构成双层网络，通常没有隐含层。
层之间的各个神经元，进行双向连接，有的时候，竞争层的神经元之间，还会存在横向的连接。
在学习算法上，SOM也有与众不同之处。
其模拟了生物神经元之间的兴奋、协调、抑制、竞争机制，通过这些作用中蕴藏的信息动力学原理，来指导神经网络的学习与工作。
这一点与“多层感知机”(MLP)对比鲜明，后者通常是以网络的误差，作为算法的准则，来调整参数。
竞争型神经网络的基本思想，是让网络中竞争层的各神经元，竞争对输入模式响应的机会。
最后获胜的神经元，就表示算法对输入数据的分类。
因此，很容易把这样的结果和聚类联系在一起。
思路捋顺后，接下来就是写成论文，然后再设计一个小程序，对算法进行验证。
最后再收集一些程序运行中所产生的数据，和普通“MLP”进行一番比较……
江寒紧赶慢赶，终于在下午3点前搞定了论文的主体部分。
接下来，就可以休息一小会儿了。
吃了两块巧克力，又吃苹果，正惬意着，手机铃声忽然响起。
江寒看了眼来电显示，又是个不认识的，不过看号段是松江本地的电话。
“喂？您好。”江寒接起电话。
“江寒同学吗？”那边传来一个浑厚的男子声音。
江寒：“我是……请问您是哪位？”
喜欢重生学神有系统请大家收藏：(m.zjsw.org)重生学神有系统爪机书屋更新速度全网最快。