Page 71 - 4524
P. 71
5.15 Мережа адаптивної резонансної теорії
Розроблена Стівеном Гросбергом та Карпентером у се-
редині 80-х рр. Парадигма використовує функцію неконтро-
льованого навчання і аналізує значні вхідні дані, виявляє мо-
жливі ознаки та класифікує образи у вхідному векторі.
Мережа адаптивної резонансної теорії складається з
двох взаємопов'язаних прошарків нейронів, розташованих між
вхідним та вихідним прошарками. Кожен вхідний образ ниж-
чого прошарку резонансу стимулювати очікуваний образ на
вищому прошарку, який пересилається знов до нижчого про-
шарку, щоб впливати на наступний вхід. Це створює "резо-
нанс" між нижчим та вищим прошарками для полегшення ме-
режної адаптації образів.
Мережа переважно використовується у біологічному
моделюванні, проте існують деякі технічні застосування. Го-
ловним обмеженням мережної архітектури є її шумова чутли-
вість. Навіть мала кількість шуму на вхідному векторі плутає
узагальнюючі можливості навченої мережі.
Мережа ART-1 навчається без учителя і реалізує алго-
ритм кластеризації, дуже схожий на алгоритм "послідовного
лідера". Відповідно до цього алгоритму перший вхідний сиг-
нал вважається зразком першого кластера. Наступний вхідний
сигнал порівнюється зі зразком першого кластера. Говорять,
що вхідний сигнал "прямує за лідером" і належить першому
кластеру, якщо відстань до зразка першого кластера менше
порога. У противному випадку другий вхідний сигнал - зразок
другого кластера. Цей процес повторюється для всіх наступ-
них вхідних сигналів. Таким чином, число кластерів росте з
часом і залежить як від значення порога, так і від метрики від-
стані, що використовується для порівняння вхідних сигналів і
зразків класів.
Основна частина мережі ART-1 схожа з мережею Хемін-
га. За допомогою послідовних зв'язків обчислюється відповід-
ність вхідних сигналів і зразків кластерів. Максимальне зна-
чення відповідності підсилюється за допомогою латеральних
зв'язків вихідних нейронів.
Мережа ART-1 відрізняється від мережі Хемінга зворот-
ними зв'язками від вихідних нейронів до вхідних, крім того є
можливість виключати вихідний нейрон з максимальним зна-
70