ART網(wǎng)絡(luò)的魯棒性增強(qiáng)方法研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANN)是一種模仿人腦對(duì)信號(hào)處理處理過(guò)程的人工信號(hào)處理系統(tǒng)。其記錄和處理信息的能力是通過(guò)連接成人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的權(quán)值變化來(lái)實(shí)現(xiàn)的。人工神經(jīng)網(wǎng)絡(luò)是一種高度非線性信號(hào)處理系統(tǒng)，具有良好的并行處理能力和抗噪性能。人工神經(jīng)網(wǎng)絡(luò)主要應(yīng)用在學(xué)習(xí)、分類和預(yù)測(cè)等領(lǐng)域，并已經(jīng)開(kāi)發(fā)出適用于各種應(yīng)用環(huán)境的人工神經(jīng)網(wǎng)絡(luò)。其中自適應(yīng)共振理論模型(Adaptive Resonance Th

2、eory,ART)因?yàn)榉€(wěn)定性-可塑性問(wèn)題上有良好的表現(xiàn)而得到廣大研究者的青睞。
　　自適應(yīng)共振理論模型2(Adaptive Resonance Theory2,ART2)是ART網(wǎng)絡(luò)家族中最具代表性的一個(gè)網(wǎng)絡(luò)，是目前ART網(wǎng)絡(luò)應(yīng)用和研究的重點(diǎn)，因此文章在研究ART網(wǎng)絡(luò)魯棒性增強(qiáng)時(shí)將具體的研究集中在ART2網(wǎng)絡(luò)上。ART2網(wǎng)絡(luò)在繼承了ART網(wǎng)絡(luò)的所有優(yōu)點(diǎn)的同時(shí)也存在著輸入幅度信息丟失、模式漂移、類別分割、噪聲等影響網(wǎng)絡(luò)魯棒性的問(wèn)題。

3、本文主要針對(duì)ART網(wǎng)絡(luò)的魯棒性增強(qiáng)研究，研究對(duì)象是ART網(wǎng)絡(luò)的模式漂移、類別分割和噪聲等三個(gè)方面的問(wèn)題。并提出了延遲修正算法減緩模式漂移現(xiàn)象；引入聚類思想解決類別分割問(wèn)題；引入艾賓浩斯記憶-遺忘曲線解決噪聲問(wèn)題。
　　本文首先從互聯(lián)網(wǎng)時(shí)代的大數(shù)據(jù)分析入手，分析了ART網(wǎng)絡(luò)對(duì)大數(shù)據(jù)分析的重要意義，從而論證的ART網(wǎng)絡(luò)的具有良好的實(shí)際研究意義。然后進(jìn)一步研究傳統(tǒng)ART網(wǎng)絡(luò)的結(jié)構(gòu)和算法原理，分析其優(yōu)缺點(diǎn)和該理論目前的研究現(xiàn)狀。在此基礎(chǔ)上