Théorie De La Résonance Adaptative/art Théorie De La Résonance Adaptative

Définition de l'ART

L'ART est un modèle théorique capable de générer et d'organiser activement des informations environnementales et un codage cognitif dans les réseaux neuronaux lorsque le réseau neuronal interagit avec l'environnement.

Avantages de l'ART

1. Il peut effectuer un apprentissage en temps réel et s'adapter à des environnements non stationnaires.

2. Il dispose de capacités de reconnaissance stables et rapides pour les objets qui ont déjà été appris ; en même temps, il peut également s'adapter rapidement à de nouveaux objets qui n'ont pas été appris.

3. Il a une capacité d'autonormalisation et, selon la proportion de certaines caractéristiques dans l'ensemble, il est parfois traité comme une caractéristique clé et parfois comme du bruit.

4. Il n’est pas nécessaire de connaître les résultats de l’échantillon à l’avance, il s’agit d’un apprentissage non supervisé ; si une réponse incorrecte à l'environnement est effectuée, la « vigilance » sera automatiquement augmentée pour identifier rapidement l'objet.

5. La capacité n'est pas limitée par le nombre de canaux d'entrée et les objets stockés n'ont pas besoin d'être orthogonaux.

Inconvénients de l'ART

Il convient de noter que les résultats de Fuzzy ART et ART 1 dépendent de manière critique de l’ordre dans lequel les données de formation sont traitées. Cet effet peut être réduit dans une certaine mesure en utilisant un taux d’apprentissage plus faible, mais il existe toujours quelle que soit la taille de l’ensemble de données.

Versions et différences ART

ART 1 : Un algorithme maître-esclave avec une architecture parallèle qui utilise des opérations d'ensemble dans les fonctions d'activation et de correspondance de l'algorithme. Il s'agit principalement du problème de reconnaissance d'images contenant uniquement des 0 et des 1 (c'est-à-dire en noir et blanc).

ART 2 : Peut traiter l'entrée en niveaux de gris (c'est-à-dire la valeur analogique).

ART 3 : Il dispose d'une architecture de recherche à plusieurs niveaux, qui combine les fonctions des deux premières structures et étend le réseau neuronal à deux couches à un réseau neuronal multicouche arbitraire, et intègre le mécanisme de réaction bioélectrochimique dans le modèle de fonctionnement du neurone, de sorte que ses fonctions sont encore étendues.