该研究提出了一种结合自组织映射（SOM）与视觉变换器（ViTs）的方法，以解决ViTs在小型数据集上的表现问题。研究表明，这种结合显著提升了无监督和有监督任务的性能，具有重要的实际应用潜力。

本研究提出了一种结合自组织映射、深度信念网络和自编码器的创新方法，以提高物联网中的网络攻击检测，实验结果显示系统准确率高达99.99%，显著增强了物联网的安全性。

该文综述可解释人工智能在入侵检测等领域的应用，指出深度学习入侵检测系统多为黑盒、缺乏解释性。研究提出基于自组织映射的可解释入侵检测框架，生成统计与可视化解释，并介绍ECLAIRE规则提取、符号化解释、SHAP重训练、Greybox XAI及Ensemble XAI等方法，以提升模型透明度、可信度和预测效率。