LISSOM — это нейросетевая архитектура на базе самоорганизующихся карт, имитирующая работу зрительной коры для распознавания рукописных цифр. Модель использует латеральные связи для точной обработки визуальных стимулов, эффективно выделяя ключевые признаки и устраняя избыточность данных. Этот ИИ-подход позволяет глубже понять механизмы компьютерного зрения через биологические аналогии.
An application of laterally interconnected self-organizing maps (LISSOM) to handwritten digit recognition is presented. The lateral connections learn the correlations of activity between units on the map. The resulting excitatory connections focus the activity into local patches and the inhibitory connections decorrelate redundant activity on the map. The map thus forms internal representations that are easy to recognize with e.g. a perceptron network. The recognition rate on a subset of NIST database 3 is 4.0% higher with LISSOM than with a regular Self-Organizing Map (SOM) as the front end, and 15.8% higher than recognition of raw input bitmaps directly. These results form a promising starting point for building pattern recognition systems with a LISSOM map as a front end.