据我所知，Kohonen 风格的 SOM 早在 2005 年左右就达到了顶峰，并且最近没有受到如此多的青睐。我还没有找到任何论文说 SOM 已被另一种方法包含，或被证明等同于其他方法（无论如何，在更高维度上）。但现在 tSNE 和其他方法似乎获得了更多的墨水，例如在 Wikipedia 或 SciKit Learn 中，并且 SOM 被更多地作为历史方法提及。
（实际上，维基百科的一篇文章似乎表明，SOM 仍然比竞争对手具有一定的优势，但它也是列表中最短的条目。编辑：根据 gung 的要求，我正在考虑的其中一篇文章是：非线性降维. 请注意，与其他方法相比，SOM 关于它的文章较少。我找不到提到 SOM 似乎比大多数其他方法保留的优势的文章。）
有什么见解吗？其他人问为什么不使用 SOM，并且从前一段时间得到了参考，我已经找到了 SOM 会议的记录，但想知道 SVM 或 tSNE 等的兴起是否刚刚使流行机器学习中的 SOM 黯然失色。
编辑 2：纯属巧合，我今晚刚刚阅读了 2008 年关于非线性降维的调查，例如它仅提及：Isomap (2000)、局部线性嵌入 (LLE) (2000)、Hessian LLE (2003)、Laplacian eigenmaps (2003) 和半定嵌入 (SDE) (2004)。