Оглавление
Теория адаптивного резонанса
-
Основы адаптивного резонанса
- Теория ART разработана для обработки информации мозгом.
- Включает модели искусственных нейронных сетей для распознавания образов и прогнозирования.
-
Взаимодействие ожиданий и сенсорной информации
- Идентификация и распознавание объектов основаны на сравнении ожиданий с сенсорной информацией.
- Ожидания представлены в виде шаблона памяти или прототипа.
-
Постепенное обучение и “пластичность/стабильность”
- Система решает проблему приобретения новых знаний без ущерба для существующих.
- Параметр бдительности регулирует степень принадлежности объекта к категории.
-
Обучение в ART
- Существуют медленный и быстрый методы обучения, основанные на искусстве.
- Медленное обучение использует дифференциальные уравнения, быстрое – алгебраические уравнения.
-
Типы сетей ART
- ART 1 принимает только двоичные данные.
- ART 2-A – упрощенная версия ART-2 с ускоренным временем выполнения.
- ART 3 моделирует регуляцию синаптической активности.
- ARTMAP объединяет модули ART-1 или ART-2 для контролируемого обучения.
- Fuzzy ART использует нечеткую логику для повышения обобщаемости.
- Gaussian ART и Gaussian ARTMAP используют гауссовские функции активации.
- Fusion ART и связанные сети поддерживают несколько парадигм обучения.
- TopoART сочетает нечеткое искусство с топологическими сетями.
- Hypersphere ART и Hypersphere ARTMAP используют гиперсферы для представления категорий.
- LAPART объединяет два нечетких алгоритма для прогнозирования.
-
Критика и рекомендации
- Результаты Fuzzy ART и ART 1 зависят от порядка обработки данных.
- Более продвинутые сети, такие как TopoART, решают проблему зависимости от порядка.
- Вассерман, Филип Д., Нейронные вычисления: теория и практика, 1989, предлагает рекомендации по внедрению ART.