自適應諧振理論

自適應共振理論（ art ）是由stephen grossberg和蓋爾·卡彭特對大腦如何處理資訊方面的開發的理論。它描述了一些神經網路模型的使用監督和無監督的學習方法和位址的問題，如模式識別，**。

概觀藝術模型背後的主要的直覺是'自下而上'的感覺資訊相互作用的「自上而下」觀察員預期的結果作為物件的識別和確認，一般發生。該模型假設，「自上而下的期望採取的形式的，然後比較所檢測到的乙個物體的特徵與實際感官的儲存器模板或原型。這種比較產生的類別歸屬的措施。

只要孫中山之間的這種差異

學習模型

基本的藝術結構

美術基礎系統是一種無監督的學習模式。它通常由的比較欄位和神經元組成的乙個識別字段，乙個警戒引數，和乙個復位模組。具有相當的警惕引數對系統的影響：

更高的警惕性非常詳細的回憶（很多細粒度的類別），而較低的的警惕性結果在更一般的回憶（更少，更一般類別）。比較字段接受乙個輸入向量（乙個一維陣列的值），並且將其傳送到識別領域中的最佳匹配。它的最佳匹配是單一的神經元的權重（權重向量）的集最為匹配的輸入向量。

每個識別領域其他識別字段的每個神經元的神經元輸出的負訊號（正比於該神經元的輸入向量的匹配質量），並相應地抑制它們的輸出。以這種方式識別字段具有側抑制，允許它在每乙個神經元來表示乙個輸入向量的分類類別。輸入向量分類後，復位模組比較實力的認可匹配的警惕引數。

如果警惕性達到閾值，訓練開始。否則，如果如同電平未達到警戒引數，擊發識別神經元抑制，直到乙個新的輸入向量;只有乙個搜尋過程完成後，開始訓練。在搜尋過程中，確認神經元乙個復位功能被禁用，直到滿意警戒引數識別匹配。

如果沒有提交確認神經元的比賽符合警惕閾值，則未提交的神經元是致力於對匹配的輸入向量調整。

[編輯]培訓

訓練技術為基礎的神經網路有兩種基本的方法：慢速和快速。在緩慢的學習方法中，對輸入向量的訓練識別的神經元的權重程度計算微分方程的連續值，因此，依賴於輸入向量的時間長度。

快學習，代數方程用於計算以進行體重調整的程度，這些二進位制值被使用。雖然快學習是緩慢的學習方法是有效和高效率的各種任務，更多生物合理的，並且可用於與連續時間的網路（即輸入向量時，可以連續變化）。

[編輯]型別的藝術

[編輯] art 1

art 1 [1] [2]各種技術網路是最簡單的，只接受二進位制輸入端。

[編輯] art 2

藝術2 [3]擴充套件網路功能，支援連續輸入。

[編輯] art 2-a

art-a [4] art-2是乙個精簡的形式急劇加速執行，並與定性結果只有很少遜色於全art-2實施。

[編輯] art 3

art 3 [5]構建art-2模擬基本的神經遞質的調節突觸活動納入模擬的鈉（na +的）和鈣（鈣+）離子的濃度成系統的方程，從而部分抑制的類別是乙個生理上更現實的裝置觸發不匹配復位。

[編輯]模糊art

模糊art [6]實現到藝術的模式識別，從而提高了一般化的模糊邏輯。模糊art是乙個可選功能（非常有用）補充編碼，納入到模式分類，走了很長的路要走，對防止低效和不必要的類增殖功能的情況下的一種手段。

[編輯] artmap

artmap概述

artmap，[7]也被稱為**技術，結合了兩個稍微修改成監督學習結構，其中第乙個單元的輸入資料和第二單元以正確的輸出資料，然後用來做art-1或art-2單位最低可能在第一單元的警戒引數的調整，才能使正確的分類。

[編輯]模糊artmap

模糊artmap [8]僅僅是artmap採用模糊的藝術單位，導致相應增加療效。

[編輯]批評

人們已經注意到模糊art和art 1的結果非常依賴於訓練資料進行處理的順序的。，該效果可通過使用較慢的學習速率，一定程度上減少，但還存在輸入資料集的大小無關。因此，模糊藝術和藝術的估計不具備一致性的統計特性。[9]