20_4_2 Элементы управления и reset

Адаптивная резонансная теория

<РАНЕЕ>                                   <HOME>

20.4.2 Элементы управления и reset

        В ART-1-сетях используются два элемента управления (gain) - g₁ и g₂ . Они не выполняют функции усиления, а используются лишь в качестве ключей для синхронизации работы нейросети.

­­        Блок gain₁ форммрует сигнал g₁ - «новое задание», необходимый для работы схемы сравнения. Сигнал g₁ принимает значение «единица», если, по меньшей мере, одна составляющая входа I имеет значение 1, и, одновременно, ни один нейрон слоя распознавания не находится в состоянии 1. То есть, на вход подан вектор, не похожий ни на один, запомненный ранее:

Gain g1=(Ú_nx_n)ÙØ(Ú_mR_m).       (227)

        Блок Gain2 (g₂ - «есть задание») единичным сигналом разрешает работу слоя распознавания. Коэффициент g₂ реализует логическое ИЛИ для входного вектора. g₂ =1, если, по меньшей мере, одна составляющая входного вектора равна 1.

Gain g2=Ú_nx_n         (228)

        Если на вход подан вектор x, то блок Gain g2 формирует на выходе единичный сигнал и тем самым разрешает работу слоя распознавания.

Схема сброса:

        Сигнал R представляет собой набор однобитовых сигналов, подавлчющих активность нейронов слоя распознавания (каждого по отдедьности). Сигналы  формируются в процессе соревнования нейронов слоя распознавания и блокируют работу нейронов, не удовлетворяющих критерию схожести найденного образа и входного сигнала.. В слое запоминается M классов образов, по одному классу на каждый нейрон m=1, …, M.

        Блок Reset производит сравнение сигналов S и V, по результатам которого вырабатываются сигналы reset, блокирующие нейроны конкурирующей сети (слоя сравнения), или принимается решение о совпадении исходного и найденного образов.Дл я актуального нейрона («победителя») слоя распознавания, reset-составляющая равна 1 (то есть функция reset активируется), если различие входного вектора I и вектора S превышает некоторый порог (параметр толерантности).

        Схема сброса проверяет критерий сходства для векторов x и C. Критерий состоит в сравнении количества единиц в векторах x и C. Количества единиц сравниваются в виде отношения с некоторым пороговым уровнем сходства r. Если порог не превышен, то сходство считается плохим и схема сброса вырабатывает сигнал торможения для нейрона в слое распознавания. Выход схемы сброса - двоичный вектор с M компонентами. Схема сброса является динамической и "помнит" свое состояние в течение одной классификации. Порог r является внешним параметром по отношению к сети и задается пользователем в интервале от 0 до 1. Чем меньше r, тем менее похожие векторы будут отнесены сеть ю к одному классу.

G3 = (Ʃ _n(C_n))/(Ʃ_n(x_n))<p.        (229)

        Если определено, что входной вектор похож на один из ранее запомненных с точки зрения заданного критерия сходства, запомненный вектор будет изменяться (обучаться) под воздействием нового входного вектора таким образом, чтобы стать более похожим на этот входной вектор.

        Запомненные образы не изменяются, если входной вектор не похож ни на один из них. Зато создаётся новый класс с использованием входного вектора как образца. Так решается дилемма стабильности – пластичности нейронной сети. Новый образ может создавать дополнительные классификационные категории, однако он не может заставить измениться существующую память.

<ДАЛЕЕ>