Нейрокомпьютерные системы



              

Работа сети АРТ


Решение задачи классификации с помощью АРТ содержит следующие этапы: инициализация, распознавание, сравнение, поиск, обучение.

1. Инициализация.

а) выбираем параметр

\rho
, исходя из требуемой детальности классификации;

б) создаем сеть в памяти. Количество нейронов должно быть достаточным, чтобы запомнить все ядра классов (до

M
). Изначально все нейроны слоя распознавания считаются "невыделенными", их веса приравниваются к одинаковым небольшим значениям:

 \begin{align*} B_n^m = B_{\mbox{нач}} < L/(L+N-1), \end{align*}

где

L > 1
- некоторая константа (обычно
L=2
). Веса в слое сравнения также выбираются одинаковыми, равными единице:
T_m^n=1
.

Такой выбор весов обеспечивает остановку поиска на невыделенном нейроне, если нет подходящих выделенных нейронов, и правильное обучение.

2. Распознавание.

а) предъявляем вектор

x
на входе. До этого момента
G2=0
и выход слоя распознавания равен нулю:
R=0
.

б) у вектора

x
есть ненулевые компоненты, поэтому
G1
становится равным единице, т.к.
R=0
. Сигнал
G1

"подпитывает" нейроны слоя сравнения и

x
без изменений проходит через слой сравнения:
C = x
.

в) весовые коэффициенты

B^m
имеют смысл нормированных ядер классов. В слое распознавания активируется несколько нейронов, но благодаря латеральному торможению остается один нейрон с выходом
R_{m0} = 1
, а остальные тормозятся.
m_0
- номер выигравшего нейрона.

3. Сравнение.

а) выход

R \neq 0
приводит к
G1=0
, что снимает "подкачку" нейронов в слое сравнения. Весовые коэффициенты
T^n
имеют смысл ненормированных двоичных ядер классов. На вход слоя сравнения передается один ненулевой выход слоя распознавания,
R_{m0}=1
. Эта единица умножается на весовые коэффициенты, давая в сумме сигнал

 \begin{align*} NET_n = x_n + T_{m0}^n. \end{align*}

Порог всех нейронов равен 2, поэтому выход слоя сравнения равен

 \begin{align*} C_n = x_n \wedge T_{m0}^n. \end{align*}

Следовательно, выход слоя сравнения на этом этапе - логическое произведение входного сигнала и двоичного ядра класса из слоя сравнения.

б) модуль сброса вычисляет второй критерий сходства (первый - максимум произведения (

B^m,x
) в слое распознавания). Если количества единиц в векторе
C
и векторе
x
близки, то сходство считается хорошим и выносится решение о принадлежности вектора
x
к классу
m0
.




Содержание  Назад  Вперед