神经网络理论及应用(第五章3).pptVIP

神经网络原理及应用 林述温 2008年9月 ART的主要优点为： 可完成实时学习，且可适应非平稳的环境； 对已学习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； 是非监督学习； 容量不受输入通道数的限制，存贮对象也不要求是正交的。 ART网络将系统分成“注意子系统”和“定向子系 统”。注意子系统由高层网（识别层）和低层 网（比较层）组成。 外界输入模式进入低层网后，经自适应滤波， 再进入高层网，对比度增强环节，若高层网络 中有模式能与输入模式产生良好共振，则判定 该模式为曾记忆或熟悉的；否则认为是新的模 式，通过定向子系统在高层网另外建立一个新 的模式记忆。这就防止了在学习新模式时改变 已存储的模式。 图中分五个功能模块，各模块结构和功能为： 比较层 接受外界的二进制模式矢量X，它依据2/3规则控制各神经元的输出，并在网络初态时，使X不经变化地通过自身，比较层的结构简图如下： 图中X为输入模式；R为识别层反馈下来的识别 层神经元输出矢量;C为比较层神经元输出,输 出到识别层；P为经加权后产生的由识别层输 给比较层的模板矢量；G1为增益1模块输出信 号，用来控制比较层神经元输出，W为二值联 接权矩阵。 识别层 是相互竞争的神经网络，用来对输入矢量 （模式）进行分类。如下图所示。 增益模块用于控制比较层中各神经元的工作状态。若R任一分量为“1”则G