在自组织映射方法中，每个输出单元称为神经元。但是在阅读了有关算法的详细信息后，我找不到任何逻辑回归单元，它是神经网络架构中的神经元。我发现它更接近于 K-NN 等聚类算法。
有什么解释为什么 SOM 单元被称为神经元？以及为什么它与神经网络有关（而 ANN 做的是完全不同的工作，即分类）
PS：在本文 ( https://ieeexplore.ieee.org/document/6007170/ ) 中，SOM 被称为 ANN。这是摘要中的一句话：
SOM 是一种人工神经网络，它使用无监督数据进行训练，以生成细胞图中训练样本输入空间的低维离散表示。
神经元不必只是逻辑回归单元。即使是简单的前馈网络中的神经元也可能并非都是逻辑的。例如，用于回归问题的网络输出层中的神经元通常是线性的。
人工神经元是任何接受输入并执行一些计算的计算单元。它可以是任何计算，线性的、非线性的、逻辑的、奇怪的，等等。将多个神经元连接成一个网络的目标是实现执行复杂计算的能力，即使每个神经元只能完成一项非常简单的任务。
自组织图中的神经元确实执行计算。当输入向量呈现给网络时，SOM 中的每个神经元都会计算其权重向量与输入向量之间的距离。这是一个计算。然后它将这个距离与其他神经元的计算进行比较。这也是一个只有神经元连接在网络中才可能的计算。
神经元的后续行为取决于这些计算的结果。如果它是赢家，它会进行另一次计算——修改它的权重，再进行一次计算——拉动相邻的单元（也是一个网络事物）。
如果它不是赢家，它会执行一个非常重要的动作：它什么都不做，这通常是一个人能做的最好的事情。
神经元更新或不更新权重的决定是非线性操作：如果输入向量发生轻微变化，则神经元的响应可能会急剧变化或根本不变化。
结果是网络执行了复杂的计算：它构建了一个离散的、保留拓扑的训练样本分布的近似值。这在许多应用程序中都很有用。
训练 SOM 时，每个神经元也会进行非线性计算。它是否触发取决于输入向量是否更接近该神经元而不是任何其他神经元。