Опубликован: 13.09.2006 | Уровень: специалист | Доступ: платный | ВУЗ: Новосибирский Государственный Университет
Лекция 14:

Адаптивная резонансная теория (АРТ)

Работа сети АРТ

Решение задачи классификации с помощью АРТ содержит следующие этапы: инициализация, распознавание, сравнение, поиск, обучение.

1. Инициализация.

а) выбираем параметр \rho, исходя из требуемой детальности классификации;

б) создаем сеть в памяти. Количество нейронов должно быть достаточным, чтобы запомнить все ядра классов (до M ). Изначально все нейроны слоя распознавания считаются "невыделенными", их веса приравниваются к одинаковым небольшим значениям:

\begin{align*}
B_n^m = B_{\mbox{нач}} < L/(L+N-1),
\end{align*}

где L > 1 - некоторая константа (обычно L=2 ). Веса в слое сравнения также выбираются одинаковыми, равными единице: T_m^n=1.

Такой выбор весов обеспечивает остановку поиска на невыделенном нейроне, если нет подходящих выделенных нейронов, и правильное обучение.

2. Распознавание.

а) предъявляем вектор x на входе. До этого момента G2=0 и выход слоя распознавания равен нулю: R=0.

б) у вектора x есть ненулевые компоненты, поэтому G1 становится равным единице, т.к. R=0. Сигнал G1 "подпитывает" нейроны слоя сравнения и x без изменений проходит через слой сравнения: C =
x.

в) весовые коэффициенты B^m имеют смысл нормированных ядер классов. В слое распознавания активируется несколько нейронов, но благодаря латеральному торможению остается один нейрон с выходом R_{m0} = 1, а остальные тормозятся. m_0 - номер выигравшего нейрона.

3. Сравнение.

а) выход R \neq 0 приводит к G1=0, что снимает "подкачку" нейронов в слое сравнения. Весовые коэффициенты T^n имеют смысл ненормированных двоичных ядер классов. На вход слоя сравнения передается один ненулевой выход слоя распознавания, R_{m0}=1. Эта единица умножается на весовые коэффициенты, давая в сумме сигнал

\begin{align*}
NET_n = x_n + T_{m0}^n.
\end{align*}

Порог всех нейронов равен 2, поэтому выход слоя сравнения равен

\begin{align*}
C_n = x_n \wedge T_{m0}^n.
\end{align*}

Следовательно, выход слоя сравнения на этом этапе - логическое произведение входного сигнала и двоичного ядра класса из слоя сравнения.

б) модуль сброса вычисляет второй критерий сходства (первый - максимум произведения ( B^m,x ) в слое распознавания). Если количества единиц в векторе C и векторе x близки, то сходство считается хорошим и выносится решение о принадлежности вектора x к классу m0.

Ирина Ткаченко
Ирина Ткаченко
Россия, Москва
Николай Ткаченко
Николай Ткаченко
Россия