НОУ ИНТУИТ | Нейрокомпьютерные системы. Лекция 14: Адаптивная резонансная теория (АРТ)

Учитесь и получайте официальные документы БЕСПЛАТНО. Вы можете поддержать наш проект.

Регистрация Вход

Твой путь к знаниям!

|

Вам нравится? Нравится 20 студентам

| Поделиться |

Поддержать программу

Слой сравнения

Каждый нейрон в слое сравнения имеет порог, равный двум. На вход одного нейрона в слое сравнения подаются: сигнал с единичным весом, одна компонента x^n с единичным весом и все выходы слоя распознавания, компонент с вектором весов T^n , где - номер нейрона в слое сравнения. Весовые коэффициенты - двоичные. В нейроне используется нелинейность в виде жесткой ступеньки: если активация нейрона NET_n превышает порог $\Theta = 2$ , то на выходе нейрона будет единица, иначе - ноль. Это "правило 2/3": для активации нейрона достаточно два сигнала из трех.

Работа слоя определяется формулами:

$\begin{align*} P_n & =T^nR = \sum_m T_m^n R_m\\ NET_n & = P_n + x_n + G1\\ C_n & = \{0,\mbox{ если } NET_n < 2; 1, \mbox{ если } NET_n \geqslant 2\} \end{align*}$

Работой слоя управляет сигнал . Если G1=1 , то проходит без изменений на выход слоя сравнения, благодаря лишнему единичному сигналу на входе нейрона. Если G1=0 , то на выходе имеем $C = x \wedge ~P$ , т.е. вектор будет логическим произведением двоичных векторов и .

Слой распознавания

Каждый нейрон в слое распознавания имеет следующие входы: один сигнал с единичным весом, одна компонента G3_m с большим отрицательным весом ( - номер нейрона) и сигналов со слоя сравнения с вектором весов B^m (у вектора B^m всего компонент, $B_1^m, \ldots, B_N^m$ ).

Нейроны слоя распознавания не содержат нелинейных элементов, но обладают следующей особенностью. Каждый нейрон в слое связан со всеми остальными нейронами этого же слоя обратными тормозящими связями и положительной обратной связью - с самим собой (как во втором слое сети Хемминга, см. Лекцию 10).

Такой способ связности называется латеральным торможением. Это приводит к тому, что только один нейрон в слое распознавания может быть активирован. Между нейронами существует конкуренция, и нейрон с максимальным выходом "подавляет" все остальные нейроны в слое, выигрывая "состязание". Его выход становится равным единице, остальных нейронов - нулю, т.е. вектор имеет только одну единичную компоненту, остальные - нули.