Data Science, Artificial Intelligence, Neural Networks, Deep Learning, Machine Learning en Data Mining.
Allemaal termen welke toenemen in populariteit, omdat ze de mogelijkheid bieden om nieuwe inzichten te geven en daarmee een verbeterd begrip.

Een van deze methodieken is de Self Organizing Map (SOM). Het geeft de mogelijkheid voor beschrijving van ongecategoriseerde data, inclusief de mogelijkheid zogenoemde low-dimensionaal views van high-dimensional data. Terwijl de topologische eigenschappen worden bewaard. Trainen van een SOM resulteert in een bepaalde geclusterde compositie van de input data-matrix.
Een interactief voorbeeld met betrekking tot Europese stroomgebieden is te vinden op de volgende pagina: SOM European Catchments (hkvservices.nl).

De HKV SOM-Viewer maakt het mogelijk deze analyses in een interactief webapplicatie zichtbaar te maken. Deze analyses kunnen on-the-fly vanuit bijvoorbeeld MIJbrein aangestuurd worden.
De HKV SOM-Viewer toont dit in combinatie met informatie, help en disclaimer.

Wil je meer weten over Self-Organizing Maps, hoe je dit zelf kunt gebruiken of hoe HKV dit gebruikt in projecten? Neem contact op met een van onze collega’s.