Cadastro

lopesleandro

Modelos ART Adaptive Ressonance Theory
Germano C. Vasconcelos Centro de Informática - UFPE

Introdução
• Capacidade de Generalização
– Resposta satisfatória ao universo de padrões – Problema: Conhecimento modificado ao longo do tempo
• Desempenho da rede é prejudicado

– Solução: adaptar aos novos padrões ⇒ plasticidade

• Re-treinar a rede com novos padrões
– Perda de informação previamente definida ⇒ Estabilidade – Solução: re-treinar a rede com todos os padrões

• Dilema da plasticidade-elasticidade
– Aprender novas informações sem perder informações previamente aprendidas

Introdução
• Maioria dos modelos de Redes Neurais não resolvem o dilema estabilidade-plasticidade
– Treinamento de uma rede MLP com um novo padrão pode ter como efeito colateral a perda das informações aprendidas anteriormente

• Redes ART propõem uma solução para este dilema
– Rede Neural Incremental – Aprendizado Competitivo e não supervisionado – Baseada na teoria da ressonância adaptativa

Teoria da Ressonância Adaptativa (ART)
• Carpenter and Grossberg (1976) • Inspirado em estudos sobre detectores de características biológicos • Algoritmo de adaptação On-line • Algoritmo Líder-Seguidor • Rede recorrente • Camada de saída competitiva • Aplicações de segmentação de dados • Dilema Estabilidade-Plasticidade
Camada de Saída

Camada de Características

Modelos ART
Teoria da Ressonância Adaptativa • Rede neural auto-organizável para reconhecimento de padrões baseada em dados biológicos e comportamentais • Ressonância adaptativa ocorre quando padrões de atividade nas camadas de entrada e de saída se reforçam mutuamente Família ART
• ART-1: Entradas e saídas binárias • ART-2: Entradas e saídas analógicas • ART-3: Inclui neurotransmissores • Fuzzy ART: ART + lógica fuzzy • ARTMAP: supervisionado • Fuzzy-ARTMAP: combinação dos dois modelos

Arquitetura ART
• Pesos Bottom-up wij
– Cópia normalizada de tij

• Pesos Top-down tij
– Exemplo de