Нейросетевые технологии. Каширина И.Л. - 55 стр.

букв и последовательно удаляя по одной букве (кроме первой и послед-
ней). Ответом сети считается эталонное слово, имеющее больше всего
совпадений букв, стоящих на одинаковых местах, (из всех полученных вы-
ходов сети) с исходным словом. Пример: вводится слово «искусств». На
вход по очереди подаются: «искусств», «исскуств», «исккуств», «ис-
кууств»,»искусств», «искусттв», «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,
воспроизводящую ассоциации, описанные в п. 7.3.

 § 8. СЕТЬ АРТ (АДАПТИВНАЯ РЕЗОНАНСНАЯ ТЕОРИЯ)

      Адаптивная резонансная теория включает две парадигмы, каждая из
которых определяется формой входных данных и способом их обработки.
АРТ-1 разработана для обработки двоичных входных векторов, в то время
как АРТ-2 может классифицировать как двоичные, так и непрерывные
векторы.
      Сеть ART обучается без учителя и реализует простой алгоритм кла-
стеризации. В соответствии с этим алгоритмом первый входной сигнал
считается образцом первого кластера. Следующий входной сигнал сравни-
вается с образцом первого кластера. Говорят, что входной сигнал принад-
лежит первому кластеру, если расстояние до образца первого кластера
меньше порога. В противном случае второй входной сигнал – образец вто-
рого кластера. Этот процесс повторяется для всех следующих входных
сигналов. Таким образом, число кластеров растет с течением времени и за-
висит как от значения порога, так и от метрики расстояния, использую-
щейся для сравнения входных сигналов и образцов классов.
      Сеть АРТ-1, предназначенная для кластеризации бинарных векторов,
содержит два слоя нейронов. Число нейронов первого слоя n совпадает с
размерностью входных образов. Число нейронов второго слоя m изменя-
ется в процессе настройки сети и совпадает с числом сформированных
кластеров.
                      Алгоритм функционирования сети АРТ-1
Шаг 1. Инициализация сети:
N = 1, m = 1;
tijN = bijN = 1, i = 1, n, j = 1, m ,
где bijN – синаптический вес связи от i-го нейрона первого слоя к j-му ней-
рону второго слоя на итерации с номером N, tijN – синаптический вес связи
от j-го нейрона второго слоя к i-му нейрону первого слоя на итерации с
                                        55