18、模糊ARTMAP神经网络新技术与图像色彩变换算法

模糊ARTMAP神经网络新技术与图像色彩变换算法

1 模糊ARTMAP神经网络的新剪枝技术

1.1 数据集与测试阶段

为了验证新剪枝技术的有效性，采用了三个来自ELENA项目数据库的人工数据集，分别是高斯二维（Gaussian 2D）、同心（Concentric）和云状（Clouds）数据集。这些数据集的具体信息如下表所示：
| 数据集 | 实例数量 | 属性数量 | 类别数量 |
| — | — | — | — |
| 高斯二维 | 1000 | 2 | 2 |
| 同心 | 1000 | 2 | 2 |
| 云状 | 1000 | 2 | 2 |

在测试阶段，模糊ARTa接收输入向量，类别选择和类别匹配计算与训练阶段相同。与ARTa的第J个类别相关的映射场Xab的输出可以用公式(10)定义：
[
X_{ab}^j = w_{ab}^j
]
从映射场到ARTb的链接可得出预测目标输出。

1.2 剪枝技术

在剪枝阶段，识别层中的每个节点j都会被分配一个参数Ωj。剪枝过程仅在FAM的训练阶段进行，具体步骤如下：
1. 每次新的学习周期开始时，将Ωj的值设为0。
2. 在学习周期内，当关联节点学习到输入模式时，Ωj变为1。无论该节点成为获胜节点并更新权重的次数如何，此值都保持为1。
3. 每个学习周期结束时，将Ωj等于0的节点进行剪枝。
4. 重复上述步骤，直到学习阶段完成。

1.3 实验与结果

使用10折交叉验证，将每个数据集分为10个互斥的子集。FAM进行10次