نظریه تشدید انطباقی ( یا Adaptive Resonance Theory ) توسط استفان گراسبرگ و جیل کارپنتر با نظر به چگونگی پردازش اطلاعات توسط مغز، مطرح شد. این نظریه چند مدل شبکه عصبی را توصیف می نماید که در آن ها از روش های نظارتی و غیر نظارتی برای یادگیری استفاده می شود. این نظریه در مسائلی نظیر تشخیص و پیشگویی الگوها، به کار گرفته می شود.
سیستم ART ابتدایی، یک مدل یادگیری بی سرپرست است. این سیستم معمولاً از یک فیلد مقایسه ای و یک فیلد تشخیص ( ساخته شده از تعدادی نورون ) ، یک پارامتر مراقب ( vigilance parameter ) و یک واحد بازنشانی ( Reset Module ) ساخته شده است. پارامتر مراقب معمولاً تأثیر قابل توجه ای بر روی سیستم دارد: چنانچه مقدار این پارامتر بزرگ در نظر گرفته شود حافظه هایی با جزئیات بالا ( طبقه های ریز اما زیاد ) در اختیار قرار می دهد و برعکس، اگر این مقدار کوچک باشد، حافظه هایی معمولی ( طبقه هایی با اندازه معمولی و تعداد کم ) بدست می دهد. [ نیازمند منبع] فیلد مقایسه ای، یک حامل ورودی ( آرایه ای یک بعدی از مقادیر ) را دریافت کرده و آن را به بهترین همتایش در فیلد تشخیص منتقل می نماید. این بهترین همتا، نورونی تنهاست که مجموعهٔ وزن هایش ( Weight Vector ) ، با حامل ورودی بیشترین تطابق را داشته باشد. هر نورون در فیلد تشخیص یک سیگنال منفی ( متناسب با کیفیت تطابق حامل ورودی با نورون دریافت کننده آن ) به دیگر نورون های این فیلد ارسال می نماید، در نتیجه از تولید خروجی در آن ها جلوگیری می شود. با این کار، فیلد تشخیص روش منع جانبی را ارائه می کند. به این معنی که نورون های داخل آن، به عنوان طبقاتی ( categories ) عمل می کند که حامل های ورودی بر اساس آن ها دسته بندی می شوند. بعد از اینکه ورودی طبقه بندی شد، واحد بازنشانی قدرت این تطابق و دسته بندی را با مقدار پارامتر مراقب می سنجد. اگر پاسخ این سنجش مثبت بود، فرایند تعلیم شروع می شود. از طرفی، چنانچه پاسخ مقایسه منفی باشد، نورونی که سیگنال فرستاده است، تا دریافت حامل ورودی جدید غیرفعال می شود؛ فرایند تعلیم هم تنها پس از تکمیل فرایند جستجو آغاز می گردد. در فرایند جستجو، نورون های فیلد تشخیص یکی یکی توسط واحد بازنشانی غیرفعال می شوند تا زمانی که بالاخره نتیجه یک سنجش، مثبت شود. اما اگر قدرت هیچ کدام از تطابق های صورت گرفته، به آستانه مقدار پارامتر مراقب نرسد ( پاسخ سنجش همیشه منفی شود ) ، یک نورون که تا به حال به کار گرفته نشده، راه اندازی می شود و طوری تنظیم می شود تا حامل ورودی منطبق شود. [ نیازمند منبع]
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفسیستم ART ابتدایی، یک مدل یادگیری بی سرپرست است. این سیستم معمولاً از یک فیلد مقایسه ای و یک فیلد تشخیص ( ساخته شده از تعدادی نورون ) ، یک پارامتر مراقب ( vigilance parameter ) و یک واحد بازنشانی ( Reset Module ) ساخته شده است. پارامتر مراقب معمولاً تأثیر قابل توجه ای بر روی سیستم دارد: چنانچه مقدار این پارامتر بزرگ در نظر گرفته شود حافظه هایی با جزئیات بالا ( طبقه های ریز اما زیاد ) در اختیار قرار می دهد و برعکس، اگر این مقدار کوچک باشد، حافظه هایی معمولی ( طبقه هایی با اندازه معمولی و تعداد کم ) بدست می دهد. [ نیازمند منبع] فیلد مقایسه ای، یک حامل ورودی ( آرایه ای یک بعدی از مقادیر ) را دریافت کرده و آن را به بهترین همتایش در فیلد تشخیص منتقل می نماید. این بهترین همتا، نورونی تنهاست که مجموعهٔ وزن هایش ( Weight Vector ) ، با حامل ورودی بیشترین تطابق را داشته باشد. هر نورون در فیلد تشخیص یک سیگنال منفی ( متناسب با کیفیت تطابق حامل ورودی با نورون دریافت کننده آن ) به دیگر نورون های این فیلد ارسال می نماید، در نتیجه از تولید خروجی در آن ها جلوگیری می شود. با این کار، فیلد تشخیص روش منع جانبی را ارائه می کند. به این معنی که نورون های داخل آن، به عنوان طبقاتی ( categories ) عمل می کند که حامل های ورودی بر اساس آن ها دسته بندی می شوند. بعد از اینکه ورودی طبقه بندی شد، واحد بازنشانی قدرت این تطابق و دسته بندی را با مقدار پارامتر مراقب می سنجد. اگر پاسخ این سنجش مثبت بود، فرایند تعلیم شروع می شود. از طرفی، چنانچه پاسخ مقایسه منفی باشد، نورونی که سیگنال فرستاده است، تا دریافت حامل ورودی جدید غیرفعال می شود؛ فرایند تعلیم هم تنها پس از تکمیل فرایند جستجو آغاز می گردد. در فرایند جستجو، نورون های فیلد تشخیص یکی یکی توسط واحد بازنشانی غیرفعال می شوند تا زمانی که بالاخره نتیجه یک سنجش، مثبت شود. اما اگر قدرت هیچ کدام از تطابق های صورت گرفته، به آستانه مقدار پارامتر مراقب نرسد ( پاسخ سنجش همیشه منفی شود ) ، یک نورون که تا به حال به کار گرفته نشده، راه اندازی می شود و طوری تنظیم می شود تا حامل ورودی منطبق شود. [ نیازمند منبع]
wiki: نظریه تشدید انطباقی