自适应共振理论（ART）由G. A. Carpenter提出，旨在模拟人类心理和认知活动。ART网络包括ART I、II、III型，其中ART I处理二进制信号。ART网络在保持稳定记忆的同时适应新输入，解决了传统神经网络的遗忘问题。ART I型网络由比较层C和识别层R组成，通过匹配度检查和控制信号实现模式分类，具有实时学习和避免模式修改的能力。
引言
- 自适应共振理论的发源与现状
1976年， 美国 Boston 大学学者 G. A.Carpenter 提出自适应共振理论（Adaptive Res-onance Theory ， ART ）， 他多年来一直试图为人类的心理和认知活动建立统一的数学理论， ART 就是这一理论的核心部分。随后 G. A.Carpenter 又与 S.Grossberg 提出了ATR 网络。 经过了多年的研究和不断发展，ART 网已有 ３ 种形式：ARTⅠ 型处理双极型或二进制信号； ART Ⅱ 型是 ART Ⅰ的扩展形式， 用于处理连续型模拟信号；ART Ⅲ 型是分级搜索模型，兼容前两种结构的功能并将两层神经元网络扩大为任意多层神经元网络 。由于 ART Ⅲ 型在神经元的运行模型中纳入了生物神经元的生物电化学反应机制， 因而具备了很强的功能和可扩展能力。 遗忘旧样本、旧知识的问题
对于有导师信号的学习网络，通过反复输入样本模式达到稳定记忆，如果再加入新的样本继续训练，前面的训练结果就会逐渐受到影响，表现为对旧数据、旧知识的遗忘。无导师学习网络的权值调整式中都包含了对数据的学习项和对旧数据的忘却项，通过控制其中学习系数和忘却系数的大小达到某种折中。但这个系数的确定却没有一般的方法进行指导。所以，这两类神经网络的学习都会出现忘却旧样本的情况ÿ
订阅专栏 解锁全文
扫一扫
1317
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
