1.5.Свойства сетей арт.

Сети АРТ обучаются посредством изменения весов таким образом, что предъявление сети входного вектора заставляет сеть активизировать нейроны в слое распознавания, связанные со сходным запомненным вектором. Кроме этого, обучение проводится в форме, не разрушающей запомненные ранее образы, предотвращая тем самым временную нестабильность. Эта задача решается путем выбора критерия сходства. Новый входной образ (который сети раньше не предъявлялся) не будет соответствовать ранее запомненным образам с точки зрения параметра сходства, тем самым формируя новую запоминаемую категорию образов. С другой стороны, входной образ, схожий с одним из запомненных образов, не будет формировать новой категории, он просто будет модифицировать веса того нейрона, на который он похож. Таким образом, при соответствующем выборе критерия сходства предотвращается временная нестабильность и искажение ранее изученных образов.

К достоинствам сети АРТ можно отнести:

1. Быстрый доступ к предварительно запомненным образам, обусловленный тем, что активизация нужного нейрона в слое распознавания не требует запуска процедуры поиска.

2. Устойчивость процесса обучения, затрагивающего только один возбужденный нейрон.

3. Конечный характер процесса обучения. Любая последовательность произвольных входных векторов будет приводить к стабильному набору весов после конечного числа обучающих циклов. Повторяющиеся последовательности обучающих векторов не будут приводить к циклическому изменению весов сети.

У сети АРТ есть несколько существенных недостатков:

1. Чувствительность к порядку предъявления векторов. Запоминаемые категории, сформированные сетью, принципиально меняются при различном порядке предъявления входных образов.

2. Невозможность классификации зашумленных векторов. Если сетью сформирована правильная категория, к которой относится вектор X, то как только компонента его x_i примет нулевое значение за счет шума (если вектора предъявляются неоднократно), соответствующая компонента категории также будет обнулена. Т.к. случайное нулевое значение может принять любая компонента X, то с течением времени все компоненты категории будут обнулены, запомненная информация о ней - утрачена. Если после этого предъявить незашумленный вариант вектора X, то для него будет выделен новый нейрон, т.е. сформирована новая категория. Это явление называется размножением категорий.

3. Организация памяти по принципу «бабушкиных узелков». Каждый «узелок» - нейрон слоя распознавания отвечает за хранение одной категории образов, что лишает память сети АРТ основного преимущества человеческой памяти – свойства распределенности. Мозг человека может пережить значительные повреждения без существенной потери памяти, за счет ее распределения по нейронам.