非線形を学習する自己組織化理論

http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=PubMed&list_uids=12444256&dopt=Abstract&holding=f1000
　ちょっと読んでいますが、
　非線形な関係に並んでいるデータをより低次元に写像することで認識する手法でして、

　 たとえば、「S」の字の形に並んでいるデータを認識しようとすると、
　Sの字上に続いている座標間は、意味的につながりがあるのですが、
　Sの字の上に載って無くても、物理的に座標だけで判断すると、違うものを「近い」と誤認識をしてしまいます。
　距離だけで判断すると間違ってしまう。
　そこで、微視的に「近い」という判断と、ある程度距離が離れると「違う」と判断する場合別けのアルゴリズムを使ってやる手法のようです。

　このアルゴリズムで、複雑な形状のデータを単純化できるらしいのですが、ちょっとシミュレーションをしてみようと思います。

　英語力をあげる必要があるので、
以前やっていたイーオンの英単語名人10000を再びやっています(^^;)
　初回は21段だったんですが、現在は33段です。100段までの道のりは遠い。
http://www.vector.co.jp/soft/win95/edu/se231237.html
　無料だけど、よくできた英単語学習ソフトなんでオススメです。