3、智能决策的前沿技术与应用

智能决策的前沿技术与应用

1. 自适应共振理论

在智能决策领域，自适应共振理论是一个重要的概念。获胜神经元会通过自上而下的权重将其原型向量 (P) 发送到 (F_1) 层，在 (F_1) 层形成新的短期记忆模式 (X^ )。然后在 (F_1) 层将模式 (X^ ) 与输入 (a) 进行比较，并在重置电路处进行警戒测试，将 (X^*) 与 (a) 的匹配程度与警戒参数 (\rho) 进行对比。

• 共振状态 ：如果警戒测试通过，网络进入共振状态，获胜神经元的长期记忆将学习或适应 (F_1) 层短期记忆所代表的新信息。
• 搜索循环 ：若警戒测试失败，则触发搜索循环，寻找更匹配的 (F_2) 层原型节点。重置电路会向 (F_2) 层发送重置信号，该信号有两个作用：一是在本次模式匹配周期内抑制获胜的 (F_2) 神经元；二是刷新网络活动，使输入 (a) 能在 (F_1) 层重新启动模式匹配循环。搜索会持续进行，直到找到能满足警戒测试的 (F_2) 节点。若不存在这样的节点，则在 (F_2) 层创建新节点来编码输入模式。

这个过程可以用以下 mermaid 流程图表示：

graph LR
    A[获胜神经元发送原型向量 P 到 F1 层] --> B[形成短期记忆模式 X*]
    B --> C[在 F1 层比较 X* 与输入 a]
    C --> D{警戒测试是否通过?}
    D -- 通过 --> E[进入共振状态，长期记