Adaptive Resonance Theory/ART 自适应谐振理论

ART 定义

ART 是一套理论模型，其在神经网络与环境有交互作用的状态下，可以主动在神经网络中产生和组织环境信息、认知编码。

ART 优势

1．可以进行实时学习，能适应非平稳的环境。

2．对于已经学习过的对象具有稳定的快速识别能力；同时，亦能迅速适应未学习的新对象。

3．具有自归一能力，根据某些特征在全体中所占的比例，有时作为关键特征，有时当作噪声处理。

4．不需要预先知道样本结果，是无监督学习；如果对环境作出错误反映则自动提高 “警觉性”，迅速识别对象。

5．容量不受输入通道数的限制，存储对象也不要是正交的。

ART 缺点

值得被注意的是，模糊 ART 和 ART 1 的结果严重地依赖于训练数据被处理的顺序。通过使用较低的学习率可以在一定程度上减小这种影响，但无论数据集的大小这种影响始终存在。

ART 版本及区别

ART 1：含有并行架构的主 – 从式算法，在算法的激活及匹配函数中运用了集合运算，主要处理只含 0 与 1 的影像（即黑白）识别问题。

ART 2：可以处理灰度（即模拟值）输入。

ART 3：具有多级搜索架构，它融合了前两种结构的功能并将两层神经网络扩展为任意多层的神经元网络，并且在神经元的运行模型中纳入生物电化学反应机制，因此其功能得到了进一步扩展。