@prefix azonOnto: <http://id.e-science.pl/ontologies/azonOnto#> .
@prefix collection: <http://id.e-science.pl/vocab/collection/> .
@prefix dcterms: <http://purl.org/dc/terms/> .
@prefix kv: <http://id.e-science.pl/vocab/kv/> .
@prefix person: <http://id.e-science.pl/vocab/person/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix records: <http://id.e-science.pl/records/> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix unit: <http://id.e-science.pl/vocab/unit/> .
@prefix xml: <http://www.w3.org/XML/1998/namespace> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .

kv:24390 a skos:Concept ;
    rdfs:seeAlso "https://en.wikipedia.org/wiki/Self-organizing_map",
        "https://pl.wikipedia.org/wiki/Sieć_Kohonena" ;
    skos:altLabel "Kohonen network"@en ;
    skos:definition "The Self-Organizing Map (SOM), commonly also known as Kohonen network is a computational method for the visualization and analysis of high-dimensional data, especially experimentally acquired information. The artificial neural network introduced by the Finnish professor Teuvo Kohonen in the 1980s The. Kohonen net is a computationally convenient abstraction building on biological models of neural systems from the 1970s and morphogenesis models dating back to Alan Turing in the 1950s."@en,
        " Sieć neuronowa uczona w trybie bez nauczyciela w celu wytworzenia niskowymiarowej (przeważnie dwuwymiarowej) zdyskretyzowanej reprezentacji przestrzeni wejściowej. Sieć Kohonena wyróżnia się tym od innych sieci, że zachowuje odwzorowanie sąsiedztwa przestrzeni wejściowej. Wynikiem działania sieci jest klasyfikacja przestrzeni w sposób grupujący zarówno przypadki ze zbioru uczącego, jak i wszystkie inne wprowadzenia po proсesie uczenia. "@pl ;
    skos:inScheme kv:keywordsVocabulary ;
    skos:prefLabel "Kohonen maps"@en,
        "mapy Kohonena"@pl .

RDF/XML

TURTLE

JSON-LD