自适应共振理论ART模型_自适应谐振理论

自适应共振理论

ART模型

需积分: 48 227 浏览量更新于2023-05-25 评论收藏 195KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

自适应共振理论

自适应共振理论自适应共振理论

自适应共振理论 ART 模型

模型模型

模型

随着计算机技术的飞速发展，通过建立生理系统仿真模型，再现真实系统的状态和运行过程，为深

度探究系统规律开拓了一条高效率的崭新之路。作为一种系统建模的方法与工具，已经在自然科学和工程

技术领域获得了广泛的应用。但是，仿真模型在生理系统领域的崭露头角，却不仅仅是该项技术的跨领域

的应用和扩展。自适应共振理论 ART(Adaptive Resonance Theory)模型是美国 Boston 大学的 S．Grossberg

和 A．Carpenet 在 1976 年提出的。ART 是一种自组织神经网络结构，是无教师的学习网络。当在神经网

络和环境有交互作用时，对环境信息的编码会自发地在神经网中产生，则认为神经网络在进行自组织活动。

ART 就是这样一种能自组织地产生对环境认识编码的神经网络理论模型。

一

一一

一、

、、

、ART 模型的

模型的模型的

模型的提出

提出提出

提出：

：：

：

对于一个学习系统，要求它有适应性及稳定性，适应性可以响应重要事件，稳定性可以存储重要事件。

这种系统的设计问题。2．学习时，原有的信息和新信息如何处理，保留有用知识，接纳新知识的关系如何

及解决的问题。3．对外界信息与原存储的信息结合并决策的问题。

Grossberg 一直对人类的心理和认识活动感兴趣，他长期埋头于这方面的研究并希望用数学来刻划人类

这项活动，建立人类的心理和认知活动的一种统一的数学模型和理论。ART 就是由这种理论的核心内容并

经过提高发展然后得出的。

目前，ART 理论已提出了三种模型结构，即 ARTt，ART2，ART3。ART1 用于处理二进制输入的信息；

ART2 用于处理二进制和模拟信息这两种输人；ART3 用于进行分级搜索。ART 理论可以用于语音、视觉、

嗅觉和字符识别等领域。

二

二二

二、

、、

、 ART 模型的结构

模型的结构模型的结构

模型的结构

ART 模型来源于 Helmboltz 无意识推理学说的协作——竞争网络交互模型。这个模型如图 1—19 所示。

从图中看出这个模型由两个协作——竞争模型组成。无意识推理学说认为：原始的感觉信息通过经历

过的学习过程不断修改，直到成为一个真实的感知结果为止。在图 1—19 中协作——竞争网络交互模型可

以看出；环境输入信号和自上而下学习期望同时对协作——竞争网络 1 执行输入；而自下而上学习是协作

——竞争网络 1 的输出；同时，自下而上学习是协作——竞争网络 2 的输人．而自上而下学习期望则是其

输出。真实感知是通过这个协作——竞争网络的学习和匹配产生的。

环境输人信号对自上而下学习期望进行触发，使协作——竞争网络 1 产生自下而上学习的输出。这种

输出送到协作——竞争网络 2，则产生自上而下学习期望输出，并送回协作——竞争网络 1。这个过程很明

显是自上而下学习和自下而上学习的过程，并且这个过程中不断吸收环境输人信息。经过协作——竞争的

匹配，最终取得一致的结果；这也就是最终感知或谐振感知。协作——竞争网络交互作用有下列基本要求：

第一，交互作用是非局域性的；第二，交互作用是非线性的；第三，自上而下的期望学习是非平稳随机过

程。

图 1-19 协作——竞争网络交互模型

受到协作——竞争网络交互模型的启发．Grossberg 提出了 ART 理论模型。他认为对网络的自适应行

为进行分析，可以建立连续非线性网络模型，这种网络可以由短期存储 STM 和长期存储 LTM 作用所实现。

STM 是指神经元的激活值．即末由 s 函数处理的输出值，LTM 是指权系数。

Grossberg 所提出的 ART 理论模型有如下一些主要优点：

1．可以进行实时学习，能适应非平稳的环境。

2．对于已经学习过的对象具有稳定的快速识别能力；同时，亦能迅速适应未学习的新对象。

3．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，有时当作噪声处理。

4．不需要预先知道样本结果，是无监督学习；如果对环境作出错误反映则自动提高“警觉性”，迅速识

别对象。

5．容量不受输入通道数的限制，存储对象也不要是正交的。

ART 的基本结构如图 1—20 所示。

它由输入神经元和输出神经元组成。它用前向权系数及样本输入来求取神经元的输出，这个输出也就

是匹配测度；具有最大匹配测度的神经元的活跃级通过输出神经元之间的横向抑制得到进一步增强，而匹

配测度不是最大的神经元的活跃级就会逐渐减弱，从输出神经元到输人神经元之间有反馈连接以进行学习

比较。同样，还提供一个用来确定具有最大输出的输出神经元与输入模式进行比较的机制。

ART 模型的框图如图 1—21 所示。

图 1-20

它由两个子系统组成，一个称为注意子系统(Attcntional Subsystem)，一个称为取向子系统(Orienting

Subsystem)，也称调整子系统。这两个子系统是功能互补的子系统。ART 模型就是通过这两个子系统和控

制机制之间的交互作用来处理熟悉的事件或不熟悉的事件。在注意子系统中，有 F1，F2 这两个用短期存

储单元组成的部件，即 STM FI 和 STMF2。在 FI 和 F2 之间的连接通道是长期存储 LTM。增益控制有两个

作用：一个作用是在 F1 中用于区别自下而上和自上而下的信号；另一作用是当输入信号进入系统时，F2

能够对来自 F1 的信号起阀值作用。调整子系统是由 A 和 STM 重置波通道组成。

注意子系统的作用是对熟悉事件进行处理。在这个子系统中建立熟悉事件对应的内部表示，以便响应

有关熟悉事件；这在实际上是对 STM 中的激活模式进行编码。同时，在这个子系统中还产生一个从 F2 到

F1 的自上而下的期望样本，以帮助稳定己被学习了的熟悉事件的编码。

图 1-21 ART 模型

调整子系统的作用是对不熟悉事件产生响应。在有不熟悉事件输入时，孤立的一个注意子系统无法对

不熟悉的事件建立新的聚类编码；故而设置一个调整子系统，当有不熟悉事件输入时，调整子系统马上产

生重置波对 F2 进行调整，从而使注意子系统对不熟悉事件建立新的表达编码。实际上，当自下而上的输

入模式和来自 F2 的自上而下的引发模式即期望在 FI，中不匹配时，调整子系统就会发出一个重置波信号

到 F2，它重新选择 F2 的激活单元．同时取消 F2 原来所发出的输出模式。

简而言之，注意子系统的功能是完成由下向上的向量的竞争选择，以及完成由下向上向量和由上向下

向量的相似度比较。而取向子系统的功能是检验期望向量 v 和输入向量 I 的相似程度；当相似度低于某一

给定标准值时，即行取消该时的竞争优胜者，转而从其余类别中选取优胜者。

ART 模型就是由注意子系统和调整子系统共同作用，从而完成自组织过程的。

三

三三

三、

、、

、ART 的基本工作原理

的基本工作原理的基本工作原理

的基本工作原理

在 ART 模型中，其工作过程是采用 2/3 规则的。所谓 2/3 规则，就是在 ART 网络中，三个输入信号

中要有二个信号起作用才能使神经元产生输出信号。ART 网络的整个工作过程中，2/3 规则都在起作用。

在说明 ART 模型的工作原理之前，先介绍 2/3 规则。

（一）、2／3 规则

考虑因 1—21 所示的 ART 模型，很明显在 FI 层中，有三个输入信号源：输入信号 I，增益控制输入，

自上而下的模式输人。所谓 2/3 规则，就是指 F1 中这三个输入信号对 F1 的激发作用和关系。

2／3 规则可以用图 1—22 所示的图形来说明。

1．自上而下的单输人情况

这时的情况如图 1—22(a)所示。F1 从三个输入信号源中，只接收来自 F2 的自上而下的引发模式。故

而，FI 中的三个输入信号源中，并没有二个输入信号源起作用；而只有一个输入信号源即来自 F2 的自上

而下的引发模式。所以 F1 中的神经元不会被激活，F1 的神经元不会产生信号输出。

剩余15页未读，继续阅读

yuan_xyz

粉丝: 3
资源: 10

会员权益专享

自适应共振理论ART模型

评论0

会员权益专享

最新资源

自适应共振理论ART模型

评论0

自适应卡尔曼滤波估算soc模型_锂电池模型_soc估算模型_卡尔曼滤波算法_锂电池soc

模型参考自适应simulink例子

无模型自适应控制simulink

adaptive filter theory

弹性盒模型 实现自适应布局

matlab中无模型自适应控制器的simulink模块搭建

基于深度学习的自适应算法有哪些

自适应MPC工具箱怎么使用

自适应鲁棒控制 simulink

OAL结果自适应lasso

弹性盒模型如何实现页面自适应

simulink自适应逆控制建模

yolov5自适应锚框

自适应控制与预测控制pdf

自适应滤波器是怎样自适应的

rbf神经网络进行自适应控制,由rbf网络辨识jacobian信息

自适应卡尔曼滤波 matlab代码

matlab art模式分类

会员权益专享

最新资源

弹性盒模型实现自适应布局