摘要
1.引言神经网络的竞争学习模型在70年代早期由Malsburg和Grossberg提出,此后得到了很大的发展。这种学习是指网络中的某一组神经元相互竞争对外界刺激模式响应的权力,竞争获胜的神经元的连接权发生某种变化,使得它在下一次对该刺激模式进行竞争时更为有利。一般来说,由竞争学习模型学习得到的分类很难保持稳定,即使连续地为网络提供有限个保持不变的模式序列,某一个特定的获胜分类仍然可能不断地发生变化。为了稳定学习过程。
The Adaptive Resonance Theory suggests a solution to the stability-plasticity dilemma facing designers of learning systems- This article summarily introduces architectures based Adaptive Resonance Theory which are neural networks that self-organize stable pattern recognition codes in real-time in response to arbitrary sequences of input patterns.
出处
《计算机科学》
CSCD
北大核心
1999年第4期54-56,79,共4页
Computer Science
基金
国家自然科学基金
关键词
神经网络
自适应谐振理论
竞争学习
Neural network,Competitive learning,Adaptive resonance theory
