自適應共振理論原理與應用研究.pdf

1、人工神經網絡(Artifical Neural Networks，ANN)是一種模仿生物神經網絡的人工信號處理系統(tǒng)，它通過使用大量互聯(lián)的結構簡單的人工神經元的權值變化來模仿人類的神經信號處理過程。人工神經網絡具有學習、分類、預測的能力。發(fā)展至今，人類已開發(fā)出適用于多種應用環(huán)境的人工神經網絡。人工神經網絡是一種高度非線性技術，內部各個處理單元（即神經元）能獨立工作，具有平行處理信號的能力并能夠容忍一定程度的輸入噪聲。
　　 自適應

2、共振理論(Adaptive Resonance Theory, ART)是一種無監(jiān)督學習（Unsupervised learning）型人工神經網絡，它的出現(xiàn)解決了神經網絡學習的穩(wěn)定性/可塑性兩難問題。ART由Grossberg于上世紀70年代提出，它能夠在不影響舊有知識的情況下，繼續(xù)學習并納入新知識，而無需事先設計、應用訓練過程。由于其學習架構為無監(jiān)督型，使得ART非常適合應用于模式識別和錯誤檢測。
　　 本論文深入分析了AR

3、T1和ART2的原理，內容包括數(shù)學基礎，基本架構，遵循的學習規(guī)則，另外，還用實驗驗證了它們的性能。在此基礎之上，利用實驗心理學原理，本論文發(fā)展出一種快速自適應共振網絡。該網絡按記憶強度分組自適應共振理論網絡聚類，從而將模式識別過程劃分成若干按序進行的子過程。通過合理設置網絡參數(shù)，在保證準確識別的前提下，新網絡盡可能地避免了自適應共振網絡所固有的遍歷匹配運算。快速自適應共振理論網絡保留了ART所有的優(yōu)點，并且加入一個預處理環(huán)節(jié)，使ART1