Искусственные нейронные сети. Каширина И.Л. - 42 стр.

                                      42
 5. Напишите программу нечеткого текстового поиска на основе сетей Хэммин-
   га. Для работы программы необходим текстовый файл с образами (словарь).
   Программа работает следующим образом: вводится слово для поиска (воз-
   можно, с ошибками и в произвольном падеже). Программа должна найти слово
   из словаря, наиболее близкое в нему, и спозиционировать на нем указатель.
   Эталонными образами сети являются все слова из имеющегося словаря. Для
   кодирования букв в цифры можно использовать ASCII код или другие методы
   кодирования. Хорошо подобрав систему кодирования можно значительно
   улучшить качество распознавания. Например, есть смысл для исправлении
   опечаток, принимать во внимание расположение букв на клавиатуре. Кодиров-
   ка должна быть разработана таким образом, чтобы рядом расположенные на
   клавиатуре буквы имели близкие (по Хэммингу) коды. На вход сети распозна-
   ваемое слово целесообразно подавать неоднократно, последовательно удваивая
   каждую из букв и последовательно удаляя по одной букве (кроме первой и по-
   следней). Ответом сети считается эталонное слово, имеющее больше всего
   совпадений букв, стоящих на одинаковых местах, (из всех полученных выходов
   сети) с исходным словом. Пример: вводится слово “искуств”. На вход по очере-
   ди подаются: “искуств”, “исскуств”, “исккуств”, “искууств”,“искусств”, “ис-
   кусттв”, “икуств”, “исуств”, “искутв”, “искусв”. Выходом является эталонное
   слово “искусство” (8 совпадений с пятым из поданных слов).
6. Напишите программу, реализующую сеть ДАП для примера из п. 7.1, воспро-
   изводящую ассоциации, описанные в п.7.3.

    § 8. СЕТЬ АРТ (АДАПТИВНАЯ РЕЗОНАНСНАЯ ТЕОРИЯ)

      Адаптивная резонансная теория включает две парадигмы, каждая из кото-
рых определяется формой входных данных и способом их обработки. АРТ-1 раз-
работана для обработки двоичных входных векторов, в то время как АРТ-2 мо-
жет классифицировать как двоичные, так и непрерывные векторы. Рассмотрим
подробно сеть АРТ-1, так как несмотря на более простую архитектуру, именно
она используется в большинстве практических приложений.
Сеть ART-1 обучается без учителя и реализует простой алгоритм кластеризации.
В соответствии с этим алгоритмом первый входной сигнал считается образцом
первого кластера. Следующий входной сигнал сравнивается с образцом первого
кластера. Говорят, что входной сигнал принадлежит первому кластеру, если рас-
стояние до образца первого кластера меньше порога. В противном случае второй
входной сигнал - образец второго кластера. Этот процесс повторяется для всех
следующих входных сигналов. Таким образом, число кластеров растет с течением
времени и зависит как от значения порога, так и от метрики расстояния, исполь-
зующейся для сравнения входных сигналов и образцов классов.
Сеть АРТ-1 содержит два слоя нейронов. Число нейронов первого слоя n совпа-
дает с размерностью входных образов. Число нейронов второго слоя m изменяет-
ся в процессе настройки сети и совпадает с числом сформированных кластеров.