自適應(yīng)共振理論原理與應(yīng)用研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(Artifical Neural Networks，ANN)是一種模仿生物神經(jīng)網(wǎng)絡(luò)的人工信號處理系統(tǒng)，它通過使用大量互聯(lián)的結(jié)構(gòu)簡單的人工神經(jīng)元的權(quán)值變化來模仿人類的神經(jīng)信號處理過程。人工神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)、分類、預(yù)測的能力。發(fā)展至今，人類已開發(fā)出適用于多種應(yīng)用環(huán)境的人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是一種高度非線性技術(shù)，內(nèi)部各個處理單元（即神經(jīng)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(yīng)

2、共振理論(Adaptive Resonance Theory, ART)是一種無監(jiān)督學(xué)習(xí)（Unsupervised learning）型人工神經(jīng)網(wǎng)絡(luò)，它的出現(xiàn)解決了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)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(xué)習(xí)并納入新知識，而無需事先設(shè)計、應(yīng)用訓(xùn)練過程。由于其學(xué)習(xí)架構(gòu)為無監(jiān)督型，使得ART非常適合應(yīng)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(nèi)容包括數(shù)學(xué)基礎(chǔ)，基本架構(gòu)，遵循的學(xué)習(xí)規(guī)則，另外，還用實驗驗證了它們的性能。在此基礎(chǔ)之上，利用實驗心理學(xué)原理，本論文發(fā)展出一種快速自適應(yīng)共振網(wǎng)絡(luò)。該網(wǎng)絡(luò)按記憶強度分組自適應(yīng)共振理論網(wǎng)絡(luò)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(shè)置網(wǎng)絡(luò)參數(shù)，在保證準確識別的前提下，新網(wǎng)絡(luò)盡可能地避免了自適應(yīng)共振網(wǎng)絡(luò)所固有的遍歷匹配運算。快速自適應(yīng)共振理論網(wǎng)絡(luò)保留了ART所有的優(yōu)點，并且加入一個預(yù)處理環(huán)節(jié)，使ART1