机器学习导论-局部模型

《机器学习导论-局部模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、1.自适应共鸣理论是由美国Boston大学的S.Grossberg和A.Carpentet提出的。主要用于模式识别。这一理论包括：ART1模型，用于二进制输入；ART2模型，用于连续信号输入；2.ART的主要优点为：可完成实时学习，且可适应非平稳的环境；对已学习的对象具有稳定的快速识别能力，同时又能迅速适应未学习的新对象；是非监督学习；容量不受输入通道数的限制，存贮对象也不要求是正交的。3.基本构造ART网络将系统分成“注意子系统”和“定向子系统”。注意子系统由高层网（识别层）和低层网（比较层）组成

2、。外界输入模式进入低层网后，经自适应滤波，再进入高层网，对比度增强缓解，若高层网络中有模式能与输入模式产生良好共鸣，则判定该模式为曾记忆或熟悉的；否则认为是心的模式，通过定向子系统在高层网另外建立一个新的模式记忆。这就防止了在学习新模式时改变已存储的模式。自组织映射SOM在生物学中，自组织现象是指人脑在许多区域是有组织的，不同区域的作用各不相同，不同的感官输入被传递给不同位置的脑细胞群，这种神经元所具有的特性并不是完全来自生物遗传，而是在很大程度上依赖于后天的学习过程。基于生物神经元的这一特性，芬兰

3、人Kohonen于1982年提出SOM，即自组织映射网络，它是一种无指导训练的神经网络，自组织的过程实际上就是一种无指导的学习。它通过自身训练，自动对输入模式进行聚类。它的拓扑结构图如图所示。在该图中，网络上层为输出结点(m个)，按照二维形式排成一个结点矩阵；输入结点处于下方，若输入向量有n个元素，则输入端共有n个结点；所有的输入结点到所有的输出结点都有权值连接。径向基函数(12.1)(12.2)(12.3)(12.4)(12.5)(12.6)(12.7)(12.8)(12.9)(12.10)(12

4、.11)(12.12)(12.13)(12.14)(12.15)(12.16)(12.17)(12.18)(12.19)(12.20)(12.21)(12.22)(12.23)(12.24)(12.25)(12.26)(12.27)(12.28)(12.29)(12.30)(12.31)(12.32)(12.33)(12.34)(12.35)(12.36)(12.37)(12.38)(12.39)(12.40)(12.41)(12.42)(12.43)(12.44)(12.45)(12.46)(12

5、.47)(12.48)(12.49)(12.50)(12.51)(12.52)(12.53)(12.54)(12.55)(12.56)(12.57)(12.58)(12.59)