ент вектора T, що залишилися ненульовими компоненти визначають безліч критичних рис даної категорії.
В
Навчальні образи C і сформований вектор критичних рис T - мінімальний набір спільних елементів категорії.
9.4 Теореми АРТ
1. По досягненні стабільного стану навчання пред'явлення одного з навчальних векторів буде відразу приводити до правильної класифікації без фази пошуку, на основі прямого доступу. 2. Процес пошуку устойчів.3. Процес навчання стійкий. Навчання ваг нейрона-переможця не приведе надалі до перемикання на інший нейрон.4. Процес навчання кінцевий. Навчене стан для заданого набору образів буде досягнуто за кінцеве число ітерації, при цьому подальше пред'явлення цих образів не викличе циклічних змін значень ваг. p align="justify"> Розвиток теорії АРТ триває. За висловом авторів теорії, АРТ являє собою щось істотно більш конкретне, ніж філософське побудова, але набагато менш конкретне, ніж закінчена програма для комп'ютера. Проте вже в сучасному вигляді, спираючись на свою більш ніж 20-річну історію, мережі АРТ демонструють свої успішні застосування в різних областях. АРТ зробила також важливий крок у загальній проблемі моделювання пластично-стабільного сприйняття. br/>
10. Стиснення даних і асоціативна пам'ять
Здатність нейромереж до виявлення взаємозв'язків між різними параметрами дає можливість висловити дані великої розмірності більш компактно, якщо дані тісно взаємозалежні один з одним. Зворотний процес - відновлення вихідного набору даних з частини інформації - називається (авто) асоціативної пам'яттю. Асоціативна пам'ять дозволяє також відновлювати вихідний сигнал (образ) з зашумлених (пошкоджених) вхідних даних. Рішення завдання гетероасоціативної пам'яті дозволяє реалізувати пам'ять, адресуемую за вмістом. p align="justify"> Етапи рішення завдань:
1) Збір даних для навчання.
Вибір даних для навчання мережі та їх обробка є найскладнішим етапом вирішення задачі. Набір даних для навчання повинен задовольняти кількома критеріями:
Репрезентативність - дані повинні ілюструвати справжній стан речей в предметній області;
Несуперечність - суперечливі дані в навчальній вибірці приведуть до поганої якості навчання мережі;
Вихідні дані перетворюються до виду, в якому їх можна подати на входи мережі. Кожен запис у файлі даних називається навчальною парою або навчальним вектором. Навчальний вектор містить по одному значенню на кожен вхід мережі і, залежно від типу навчання (з учителем або без), по одному значенню для кожного виходу мережі. Навчання мережі на В«сиромуВ» наборі, як правило, не дає якісних результатів. Існує ряд способів поліпшити В«сприйняттяВ» мережі. p align="justify"> Нормировка в...
