1.2.2. ART-1 network. (Adaptive Resonance Theory Network - 1)
Сеть ART-1 обучается без учителя, она реализует алгоритм кластеризации, очень похожий на алгоритм "последовательного лидера" (sequential leader clustering algorithm).
В соответствии с этим алгоритмом первый входной сигнал считается образцом первого кластера. Следующий входной сигнал сравнивается с образцом первого кластера. Говорят, что входной сигнал; "следует за лидером" и принадлежит первому кластеру, если расстояние до образца первого кластера меньше порога. В противном случае второй, входной сигнал - образец второго кластера. Этот процесс повторяется для всех следующих входных сигналов. Таким образом, число кластеров растет с течением времени и зависит как от значения порога, так и от метрики расстояния, использующейся для сравниения входных сигналов и образцов классов.Основная часть сети ART-1 схожа с сетью Хемминга, которая дополнена полносвязной сетью MAXNET. С помощью последовательных связей высчитывается соответствие входных сигналов и образцов кластеров. Максимальное значение соответствия усиливается с помощью взаимного латерального торможения выходных нейронов. Сеть ART-1 отличается от сети Хемминга обратными связями от выходных нейронов к входным, кроме того, имеется возможность выключать выходной нейрон с максимальным значением соответствия и проводить пороговое тестирование соответствия входного сигнала и образцов кластеров, как того требует алгоритм "последовательного лидера". Сеть оперирует бинарными входными сигналами. Размерности входа и выхода ограничены при программной реализации только возможностями вычислительной системы, на которой моделируется нейронная сеть, при аппаратной реализации - технологическими возможностями. Емкость сети совпадает с числом нейронов второго слоя и может увеличиваться в процессе функционирования сети. Области применения: распознавание образов, кластерный анализ. Основным недостатком является неограниченное увеличение числа нейронов в процессе функционирования сети.
В присутствии шума возникают значительные проблемы, связанные с неконтролируемым ростом числа образцов.
Сеть относится к классу нейронных сетей обучающихся без учителя. Источники: [73], [51], [76].