数字视频图像处理与通信作者刘富强王新红宋春林陈康力第7_8章第8章课案.pptVIP

自适应共振理论网络 自适应共振理论(Adaptive Resonance Theory ，简称为ART)网络是由美国Boston大学的S . Grossbery和A . Carpentet提出的。该网络有两种形式:ART1用于处理二进制式双极型数据。ART2用于处理连续值输人信号。ART网络主要应用于模式识别、图像处理、语音处理、过程控制、故障诊断等领域。 ART的主要优点 可完成实时学习，且可适应非平稳的环境。 对已学过的对象具有稳定的快速识别能力，同时又能迅速适应未学习的新对象(前部分通过注意子系统完成，后部分通过取向子系统完成。 具有自归一能力，根据某些特征在全体中所占的比例，有时作为关键特征，有时又被当作噪声处理。 不需事先已知结果，可在无监督式下训练学习。 容量不受输人通道数的限制，存储对象也不要求是正交的。 ART1网络结构 ART1网络一般由两层神经元和控制部分组成，如图所示。 ARTl模型结构 比较层C 比较层C有 个节点，每个节点接受输入信号 ，由上一层返回的信号和增益控制器 的控制信号。节点的输出s根据2/3规则，即“多数表决”产生，即，3个信号中有2个为1，则输出为1，如下图所示。 2/3规则产生输出示意图 竞争层R(竞争子网络) 网络的竞争层(即输出层)有 个节点，代表 类输出模式。R层节点接受来自C层的信号，同时受控制