基于ART2模拟输入模式的稳定类型识别编码的自组织网络.docVIP

ART2: 模拟输入模式的稳定类型识别编码的自组织网络 摘要：自适应谐振体系结构是一种可以实时响应任意序列输入模式的，自组织地进行稳定模式编码的神经网络。本文介绍了一种自适应谐振体系结构－ART2，对于任意序列的模拟或二进制输入模式,这种结构能迅速自组织地进行模式识别并聚类。为了处理任意序列模拟输入模式，ART2体系结构将问题的解决方案整理，并表达为一组设计原则：如稳定性－可塑性平衡，搜索－直接存取平衡，以及匹配－复位平衡。在这些体系结构中，自上而下学习期望和匹配机制在自稳定的编码过程中是至关重要的。随着学习进程的开始,并行的搜索方案使ART2可以自我更新，并实现实时的假说建立、测试、学习和识别过程。经过学习自我稳定后，搜索过程可以自动脱钩，此后输入模式可直接访问他们的识别码而不需要再搜索。因此, 识别熟悉的输入所用的时间不随学习编码的复杂性而增加。如果新的输入模式与已熟知类别的样本集合具有共同的不变的属性,那么它可以直接访问这一类别。警戒值参数则决定了该分类的细致程度。如果由于环境反馈,警觉性增加（或减少），系统就会自动搜寻并更细（或更粗）地进行识别分类。增益调节参数能使ART2抑制噪音达到一定水平。尽管ART2网络具有高度的非线性，其的全局性设计仍使它能够有效地学习。 自适应谐振体系结构 自适应谐振体系结构是一种可以实时响应任意序列输入模式的，自组织地进行稳定模式编码的神经网络