Классификация изображений. Самоорганизующаяся карта Кохонена. SOM. Neural network. Machine learning.

Данный видео урок рассматривает применение и реализацию на JavaScript самоорганизующейся карты Кохонена (SOM) для классификаций изображений. В машинном обучении (machine learning) данный подход является достаточно распространенным, в частности для классификация изображений в большом объеме является достаточно нетривиальной задачей.
Программирование SOM на JS является достаточно интересной задачей, так как необходимо постоянно следить за производительностью и потребляемой памятью.
Для запуска кода необходимо иметь установленный язык python. Его необходимость обусловлена тем, что в его составе есть модуль позволяющий развернуть локальный web-сервер работающий по протоколу http. Для этого достаточно в командной строке, войти в папку с программой и написать python -m http.server .
Для установки Python на ОС Windows, ссылка:
https://www.python.org/
Ссылка на GitHub: https://github.com/ramamedov89/classificationImagesBySOM.git

This video tutorial examines the use and implementation in JavaScript of a Kohonen Self-Organizing Map (SOM) for classifying images. In machine learning, this approach is quite common, in particular for the classification of images in large volumes is a fairly non-trivial task.
Programming SOM in JS is quite an interesting task, since you need to constantly monitor performance and memory consumption.
To run the code, you must have the python language installed. Its necessity is due to the fact that it includes a module that allows you to deploy a local web server operating over the http protocol. To do this, just on the command line, go to the program folder and write python -m http.server.
To install Python on Windows, link: https://www.python.org/
Link to GitHub: https://github.com/ramamedov89/classificationImagesBySOM.git

Видео Классификация изображений. Самоорганизующаяся карта Кохонена. SOM. Neural network. Machine learning. канала Roman Mamedov