自己組織化写像(じこそしきかしゃぞう, 英語:Self-organizing maps (SOM), Self-organizing feature maps (SOFM))は人工ニューラルネットワーク(neural network)(en:Artificial neural network)の一種であり、大脳皮質(Cerebral cortex)の視覚野をモデル化したものである。
自己組織化写像はコホネンマップ(Kohonen map)、コホネンネットワーク(Kohonen network)、自己組織化マップ、ソム(SOM)などと呼ぶこともある。
自己組織化写像はコホネン(en:Teuvo Kohonen)によって提案されたモデルであり、教師なし学習(Unsupervised Learning)によって入力データを任意の次元へ写像することができる。
主に1~3次元への写像に用いられ、多次元のデータの可視化が可能である。 出力となる空間をマップ(map)、競合層(competitive layer)、もしくは出力層(output layer)と呼ぶ。出力層に対して入力データの空間を入力層(input layer)と呼ぶこともある。
自己組織化写像は複数の人工ニューロン(en:Artificial neuron)が接続された構造である。 この人工ニューロンはノード(node)、もしくはユニット(unit)と呼ぶこともある。