適応共振理論/ART 適応共振理論

アートの定義

ART は、ニューラル ネットワークが環境と相互作用するときに、ニューラル ネットワーク内で環境情報と認知コーディングをアクティブに生成および組織化できる一連の理論モデルです。

ARTの利点

1.リアルタイム学習を実行し、非定常環境に適応できます。

2.学習済みのオブジェクトに対する安定した迅速な認識能力を備えていると同時に、学習されていない新しいオブジェクトにも迅速に適応できます。

3．全体における特定の特徴の割合に応じて、ある特徴が主要な特徴として扱われる場合もあれば、ノイズとして扱われる場合もあります。

4.サンプルの結果を事前に知る必要はなく、教師なし学習です。環境に対して誤った反応をした場合、自動的に「警戒力」を高め、オブジェクトを迅速に識別します。

5.容量は入力チャンネルの数によって制限されず、ストレージ オブジェクトは直交している必要もありません。

ARTの欠点

ファジー ART と ART 1 の結果は、トレーニング データが処理される順序に大きく依存することに注意してください。この影響は、学習率を低くすることである程度軽減できますが、データセットのサイズに関係なく常に存在します。

ARTのバージョンと違い

ART 1: 並列アーキテクチャを備えたマスター/スレーブ アルゴリズム。アルゴリズムのアクティブ化およびマッチング関数で集合演算を使用します。主に、0 と 1 のみを含む画像 (つまり、白と黒) の認識問題を扱います。

ART 2: グレースケール (つまり、アナログ値) 入力を処理できます。

ART 3: 最初の 2 つの構造の機能を組み合わせ、2 層のニューラル ネットワークを任意の多層ニューロン ネットワークに拡張するマルチレベルの検索アーキテクチャを持ち、ニューロンの動作モデルに生物電気化学反応機構を組み込みます。その機能がさらに拡張されました。