Основы адаптивного резонанса

Идея ART заключается в том, чтобы при подаче входного образа определить, существует ли выходной нейрон, который связан с некоторым образом, наиболее схожим с входным. Если таких выходных нейронов нет, то создается новый нейрон. Явление совпадения входного и хранящегося в памяти сети образов называется адаптивным резонансом.

При обучении в сети ART используется два типа памяти:

1. Кратковременная (Short-term memory)

2. Долговременная (Long-term memory)

Во время процедуры обучения происходит сопоставление содержимого кратковременной и долговременной памятей и постепенное выделение шаблона критических черт, соответствующих входному образу.

Особенности реализации ART:

1. Адаптация входного образа к образам, хранящимся в сети, осуществляется на основе резонанса.

2. Резонанс в сети происходит тогда, когда образ максимально совпадает с образом, хранящимся в сети.

В процессе адаптации входного вектора к образам, хранящимся в сети, происходит контрастное население входного образа. Оно характеризуется тем, что только отличительные черты образа отображаются на весовые коэффициенты. Это явление аналогично биологической эволюции, когда одни признаки организма при его функционировании в данной среде усиливаются, а другие ослабляются.

Хранение информации осуществляется в кратковременной и долговременной памяти, что свойственно человеку. ART имеет биологические предпосылки.

Сходимость сети ART доказана С. Гроссбергом на основе дифференциальных уравнений и функции Ляпунова.

Разновидности сетей ART:

· ART-1 – ориентированна на обработку образов, содержащих двоичную информацию

· ART-2, ART-3 – могут работать с непрерывной информацией

· ART MAP

Для функционирования нейронных сетей имеет значение вид оценки сходства входных векторов с векторами, хранящимися в сети. Используются параметр ρ, характеризующий уровень сходства.

ρ выбирается на основе требования решения задач:

· При высоких значениях ρ сформируется большое число классов, к каждому из которых относятся только очень похожие вектора.

· При низком уровне ρ сеть формирует большое число классов с высокой степенью обобщения («грубая» классификация).

Для повышения гибкости работы ART необходима реализация стратегии динамического изменения критерия сходства ρ во время процедуры обучения, обеспечивающая грубую классификацию в начале обучения (при низких ρ) и увеличивающая ρ для выработки точной классификации в конце обучения.

Дата добавления: 2014-01-15