人工神经网络_第四章.docVIP

《神经网络导论》讲义 第四章 自组织神经网络 §4.5 ART2神经网络 此外，在满足 cd 附近， R 对 U 和 WI′的失配最敏感。所以图中选 XI’AN JIAOTONG UNIVERSITY §4.5 ART2神经网络 六、模拟实验 XI’AN JIAOTONG UNIVERSITY (1 ? d 1条件的同时，应使其尽可能接近于1，因为在1 c= 0.1, d = 0.9 从而使得 cd (1 ? d = 0.9 。 ④ WI 的初值随机选择，但是不能为零，否则此端永远不会被占用。此外 WI 1 (1 ? d 。因为，如果 WI 1 (1 ? d ，那么在学习过程 中 WI 将从大于1 (1 ? d 的方向趋于 1 (1 ? d ，也就是说， WI 在学习过程 中逐渐减小，而在此过程中，其它 Wi 并没有改变，这样可能导致优胜者换位。 还应满足 五、参数 θ 、a 和 b 的选择 很小且 ρ 也很小时，分类结果不稳定。如果选 首先θ 的选择和噪声有关，一般选 θ =1 N 。实验表明，参数 a和 b选得 θ =1 2004-8-8 N , a = b = 10, c = 0.1 d = 0.9 《神经网络导论》－－自组织神经网络 4-41 7=9,10 9=12,13,33,34 17=26,27,28 19=8,30,31 警戒参量较大时的聚类结果 2004-8-8 警戒参量较小时的聚类结果 4-42 那么 ρ 选各种数值的情况下都能得到稳定的分类结果。 《神经网络导论》－－自组织神经网络 §4.5 ART2神经网络 七、对ART2网络的评价 XI’AN JIAOTONG UNIVERSITY §4.6 本章小结 XI’AN JIAOTONG UNIVERSITY 本章首先在引言中指出了前向网络和Hopfield网络的缺点和不足，并 列举了人脑神经系统的主要特点，由此引出了ART网络；接下来，讨论了 ART网络的预备内容——横向抑制网络MAXNET；在此基础上介绍了聚类 的含义并讨论了适用于二值输入矢量的ART1神经网络的原理；然后，我 们讨论了ART网络中的竞争学习机制和自稳学习机制；最后，详细讨论了 可以完成对模拟输入矢量进行聚类的ART2神经网络。 1. 采用了 P 、 U衡量相似度，实现了记忆的稳定性和弹性之间的折衷。 2. 对于属于已有类别的输入，系统可以很快检索；对于新类别输入，系统会 反复搜索和重置，直至开辟一个新端。 3. 可以“快速学习”，输入 X只呈现一次。 4. 规格化运算的实现比较简单。 5. 计算有相当一部分都是局部的，无需很多全局运算。 6. F1 场采用了独特的具有正反馈和非线性变换的三层结构，强化了特征分 量，抑制了基底噪声。 7. 解决了匹配和重置的矛盾。 8. 只要参数选择适当就可以保证不产生误重置和优胜者换位。 9. 系统的学习是无监督的自组织学习，“半工半读”。 2004-8-8 《神经网络导论》－－自组织神经网络 4-43 2004-8-8 《神经网络导论》－－自组织神经网络 4-44 西安交通大学电信学院信通系 4-11