自己組織化マップは、ニューラルネットワーク分野に属する技術です。ニューラルネットワークは、ベクトルで与えられる複数の入力データの特徴を自動的に学習する特徴を持っています。自動的な学習には、あらかじめ利用者が望ましい答えを与える教師あり学習と、入力データさえあれば学習を行う教師なし学習があります。自己組織化マップは、教師なし学習で、特徴ごとに分類した結果を視覚的なマップとして出力することができます。似ていないデータは遠くに、似かよったデータは近くに集まるので、入力データを人間にわかりやすい形で出力するユーザインタフェースともいえます。
データさえあれば自動で学習してくれる自己組織化マップを便利に利用するために、高速で学習を行う方法を研究しています。学習速度が速くなれば、新しいデータに柔軟に対応することができて応用分野が広がりますし、時間とともに性質が変化するような対象への応用もできるようになると考えています。
また、似かよったデータが近くに集まるという特徴をうまく使って、正確な数値情報などを知らなくても、あいまいな表現からデータベースの検索を行う研究もしています。人間は正確な情報表現よりも「これくらい」とか「こんな感じ」といったあいまいな表現が得意だと言われています。人間の得意な表現方法をつかってデータベース検索を行えると、専門家でない一般の利用者にも使いやすい検索インタフェースになると考えています。