Использование нейросетей для анализа звуковой информации
Теория адаптивного резонанса
1. Идея метода
Теория адаптивного резонанса является одной из самых развитых и продуманных систем нейросетевой обработки информации, впервые была предложена в начале 70-х годов и детализирована в работах Гроссберга. Её стержнем является модель нейронной сети и алгоритмы управления ею, всё вместе образует самостоятельную систему, которая способна самообучаться распознаванию образов различной степени сложности. Она относит входной образ к одному из классов, на который он больше всего похож. Если входной образ не соответствует ни одному из запомненных, создается новый класс путем его запоминания. Если найден образ, с определенным допуском соответствующий входному, то он модифицируется так, чтобы стать ещё больше похожим на входной.
2. Архитектура системы
Архитектура системы изображена в виде блок-схемы на рис. 1:
Теория адаптивного резонанса
F1 – первое нейронное поле
F2 – второе нейронное поле
КВП – кратковременная память
ДВП – долговременная память
X, I, V, S – паттерны активности
УГВ – управляемый генератор возбуждения
mij, mji – матрицы весов связей, реализующие ДВП
g – порог бдительности
Рис. 1
3. Алгоритм работы
Функционирование системы происходит следующим образом:
1. Входной образ I подается на вход F1
2. Наличие I на входе F1 включает УГВ1, который выдает на F сигнал подвозбуждения G (для поля F1 действует правило «2 из 3», в соответствии с которым нейрон становится активным только тогда, когда он возбуждается сигналами одновременно с двух источников)
3. После «включения» УГВ1 на выходе F1 появится паттерн активности X, совпадающий с I. Из-за идентичности I и X подсистемой ориентации не генерируется сигнал торможения КВП F2 (т.е. УГВ2 не включен)
4. Сигнал X с F1 приходит по связям mij и трансформируется во входной вектор S поля F2
5. F2 представляет собой аналог карты признаков Кохонена (см.
