无监督深度学习：

无监督模型使神经网络能够执行聚类、异常检测、特征选择、特征提取、降维和推荐系统等任务。这些神经网络包括 自组织图、玻尔兹曼机、自动编码器。

什么是 SOM？

简而言之，自组织映射是一种基于竞争学习的人工神经网络（与其他神经网络典型的纠错学习不同）。这个想法是迭代地将向量（或节点）的连接二维矩阵适应输入数据集的高维拓扑。在每个周期，选择一个节点，并更新其元素（权重）及其邻居的元素，以接近从训练集中随机选择的数据点。竞争元素在更新阶段发挥作用，因为每次迭代时都会选择距提取数据点最近的节点（根据选定的度量）进行权重更新。
SOM 特别适合低维流形隐藏在更高维度中的情况，并且经常一起使用和/或与其他降维方法竞争，特别是主成分分析 (PCA)。

 屏幕节点之间的权重差异图，这将帮助识别聚类中心。

 聚类所在的背景热图代表了输入空间的拓扑特性。