初探神经网络（4）

上次微博阐述的是ART网络系统结构，这次将阐述的是网络运行原理。
网络运行时接受来自环境的输入模式，检查输入模式与R层所有已存储模式类之间的匹配程度。R层所存储的模式类是通过对应R层神经元的外星权向量体现出来的，对于匹配程度最高的获胜神经元，网络要继续考察其存储模式类与当前输入模式的相似程度。相似程度按照预先设计的参考门限来考察，可能出现如下的情况：
（1）如果相似度超过参考门限，将当前输入模式归为该类，全职调整规则是相似度超过参考门限的神经元调整其相应的内外星权向量，以使得以后遇到与当前输入模式接近的样本时能够得到更大的相似度；其他权向量则不做改动。
（2）如果相似度不超过门限值，则对R层匹配程度次高的神经元代表的模式类进行相似度的考察，若超过门限，网络的运行回到情况A，否则仍然回到情况B。如果最终存储的所有模式类与当前输入模式的相似度都没有超过门限，此时需在网络输出端设立一个代表新模式类的神经元，用以代表及存储该模式，以便参加以后的匹配过程。网络对所接受的每个新输入样本，都进行上面的运行过程。对于每个输入模式，网络运行过程可归纳为4个阶段。
1.匹配阶段 2.比较阶段 3.搜索阶段 4.学习阶段

匹配阶段
网络在没有输入模式之前处于等待状态，此时输入端X=0。当输入不全为0的模式X时， 允许输入模式直接从C层通过，并前向传至R层，与R层神经元对应的所用内星权向量 进行匹配计算：

选择具有最大匹配度（具有最大点积）的竞争获胜神经元

下次将继续阐述其余阶段

以上内容大部分在抄自网络，作为自己学习记录
欢迎挑错！！！！