자기 조직화 지도의 학습은 네 단계로 진행됩니다.
1. 초기화(initialization): 모든 연결 가중치는 작은 임의의 값으로 초기화합니다.
2. 경쟁(competition): 자기 조직화 지도는 경쟁 학습(competive learning)을 이용하여 입력층과 경쟁층을 연결합니다. 자기 조직화 지도는 연결 강도 벡터가 입력 벡터와 얼마나 가까운지 계산하여 가장 가까운 뉴런이 승리하는 ‘승자 독점(winner take all)’ 방식을 사용합니다. 이때 사용되는 수식은 다음과 같습니다.
n: 입력 벡터 크기
Wij: 가중치 테이블에서 i행 j열의 값
Xi: 입력 벡터의 i번째 값
Dij 값이 작을수록 연결 강도 벡터와 입력 벡터가 가까운 노드이며, 연결 강도는 다음 식을 사용하여 새로운 값으로 업데이트합니다.
Wij(old): 입력 벡터가 들어오기 전 연결 강도
Xi: 입력 벡터
Wij(new): 새로운 연결 강도
α: 학습률
연결 강도 벡터와 입력 벡터가 가장 가까운 뉴런으로 계산되면 그 뉴런의 이웃 뉴런들도 학습을 하게 되는데, 이때 모든 뉴런이 아닌 제한된 이웃 뉴런들만 학습합니다.