54、自适应共振理论（ART）：原理、应用与模糊扩展

自适应共振理论（ART）：原理、应用与模糊扩展

1. ART 电路基础

在 ART 模型中，存在注意力和定向子系统的交互。F1 层通过特征探测器网络上的短期记忆（STM）激活模式对事件进行分布式表示，F2 层则使用 F1 模式的压缩 STM 表示来编码事件。学习发生在 F1 和 F2 层之间的自下而上和自上而下路径的长期记忆（LTM）痕迹中。自上而下的路径读出学习到的期望，其原型在 F1 层与自下而上的输入模式进行匹配。
- 匹配与重置机制 ：当遇到新事件时，不匹配的大小会相对于定向子系统 A 的警惕参数 p 进行评估。如果不匹配足够大，F2 层 STM 中活跃的识别码将被重置，并启动对更合适识别码的记忆搜索。子系统 A 的输出还可以触发定向响应。
- F2 节点竞争 ：F2 节点之间的侧向抑制使得只有一小部分 F2 节点能够在 STM 中存储其激活，从而在 F2 层生成压缩活动向量 Y。在 ART 1 中，竞争被调整为选择接收最大 F1 + F2 输入的 F2 节点，选择后 Y 只有一个分量非零，该获胜节点的激活定义了输入模式 I 的类别。

2. 匹配、假设检验与注意力的联系

ART 系统采用了与专家生产系统和模糊系统类似的启发式方法来实现其嵌入式自组织特征映射（SOFM）模型的自稳定。具体来说，ART 系统进行一种假设检验，以发现新的识别类别并稳定学习。
- 假设生成与测试 ：F2 节点的激活可以被解释为对输入 I 做出“假设”。当 Y 被激活时，它生成输出向量 U，通过第二个自适应滤波器自上而下发送。与自上而下滤波器的自适应权重矩阵相乘后，