SOMを用いて大規模データの分析を行う場合、並列・分散処理によってSOMの学習アルゴリズムを高速に実行することが有効である。本研究ではこれまで、バッチ学習型のSOMに対して、入力データの集合をいくつかに分割し、入力データ群の部分集合を個別の計算ノードに割り当てて勝者ノードの決定やコードベクトル更新量の算出などを行い、SOMの学習を並列に行う手法を提案した。さらに、各計算ノードにおいて、SOMの学習に関する演算をGPUによって行うことで、学習のさらなる高速化を実現してきた。本報告では、SOMの並列・分散処理におけるもうひとつの方法として、競合層を分割して個別の計算ノードに割り当てることで、大規模なSOMの学習を高速に行うことを試みる。
