Adaptive Resonance Theory

Lästips: kapitel 5 och 7.4

Stability-plasticity dilemmat

Iden bakom ART: mönster som liknar kända klasser modifierar den lärda representationen, mönster som verkar nya skapar nya klasser.

Grundstrukturen: ett indatalager (feature field) och ett klassificeringslager (category field)

Indatalagret använder en distribuerad, ofta binär lagringsform

Klassificeringslagret utnyttjar en winner-take-all strategi.

Resonans, d.v.s. överensstämmelse mellan indata och förväntningen från vinnande klassificeringsnod, krävs för att inlärning ska äga rum.

Vigilance-parametern styr hur kräsen man är för att få resonans. Den avgör därför hur stora klasser man slutligen får.

ART1 är en enklare variant som hanterar rent binära data.

ART2 är en mer komplicerad variant som tål graderade indata.

Neocognitronen

Neocognitron är en flerlagersmodell för att åstadkomma viss positionsinvarians.

Den har utvecklats och använts främst för tolkning av handskriven text.